查找与另一部电影相似的电影

要查找嵌入与特定电影的嵌入相似的电影，请检索该电影并将其嵌入提供给Cypher^®过程db.index.vector.queryNodes。

MATCH (m:Movie {title: 'Despicable Me'})
CALL db.index.vector.queryNodes('moviePlots', 5, m.embedding)
YIELD node, score
RETURN node.title AS title, node.plot AS plot, score

表 1. 使用 OpenAI 的嵌入的结果
标题	剧情	得分
“卑鄙的我”	“当一个犯罪策划大师利用三个孤儿女孩作为一项宏伟计划的棋子时，他发现她们的爱正在深刻地改变他，变得更好。”	1.0
“卑鄙的我 2”	“当格鲁，世界上最坏的超级坏蛋变成超级爸爸，被一个官员团队招募来阻止致命肌肉和格鲁自己的一群人时，他必须用新的工具、汽车和更多的米尼恩疯狂进行反击。”	0.940204381942749
“小黄人”	“小黄人斯图尔特、凯文和鲍勃被超级恶棍斯嘉丽·奥弗基尔招募，她与她的发明家丈夫赫伯一起策划了一个接管世界的阴谋。”	0.9329936504364014
“阿拉丁”	“当一个街头恶棍争夺一位美丽公主的爱时，他利用精灵的魔力让自己冒充王子，以便与她结婚。”	0.9291699528694153
“无敌破坏王”	“超级恶棍大坏蛋终于击败了他的宿敌，超级英雄都市超人。但没有英雄，他就失去了所有目标，必须为他的生活找到新的意义。”	0.9292264580726624

表 2. 使用 SentenceTransformers 的嵌入的结果
标题	剧情	得分
“卑鄙的我”	“当一个犯罪策划大师利用三个孤儿女孩作为一项宏伟计划的棋子时，他发现她们的爱正在深刻地改变他，变得更好。”	1.0
“爱上艰难之路”	“一个卑鄙的小偷遇到一个天真年轻的女人，并把她带入他的犯罪世界的故事，而她则教他享受生活和被爱的课程。”	0.7806928157806396
“控制的极限”	“一个神秘的孤独者，一个正在完成犯罪工作的陌生人的故事。”	0.7746935486793518
“半熟”	“三个不太聪明的男人想出的一系列疯狂计划，以帮助他们的朋友出狱的故事。”	0.7708940505981445
“无人知晓”	“一个有着暴力过去的安静典当行老板，为了拯救他唯一的朋友，一个孩子，而与一个贩毒和器官贩卖团伙作斗争。”	0.7698113918304443

当检索与搜索提示匹配的节点时，来自 OpenAI 和 SentenceTransformers 的结果差异不大。另一方面，在上面的示例中，它们的执行方式大不相同：OpenAI 能够关联三部小黄人电影，而卑鄙的我 2和小黄人没有出现在 SentenceTransformers 的结果中。

为什么卑鄙的我 2没有出现在使用 SentenceTransformers 嵌入的卑鄙的我前五部最接近的电影中？鉴于嵌入是在标题和剧情上生成的，让我们看看这两部电影的剧情是如何相关的。

`卑鄙的我`剧情
当一个犯罪策划大师利用三个孤儿女孩作为一项宏伟计划的棋子时，他发现她们的爱正在深刻地改变他，变得更好。

`卑鄙的我 2`剧情
当格鲁，世界上最坏的超级坏蛋变成超级爸爸，被一个官员团队招募来阻止致命肌肉和格鲁自己的一群人时，他必须用新的工具、汽车和更多的米尼恩疯狂进行反击。

这些读起来像是完全不同的电影：曾经的犯罪策划大师现在是格鲁，世界上最坏的超级坏蛋；不再有三个孤儿女孩；第一部电影的剧情中没有小黄人。

尽管今天每个人都将卑鄙的我与小黄人联系起来，但这并不是这部电影最初上映时对其进行描述和营销的方式。小黄人在公众文化中非常受欢迎，这使得它们后来成为营销的主要中心。嵌入模型根本没有所有这些上下文——这些上下文来自在世界上生活了十年，日复一日。

即使剧情本身看起来不太相似，OpenAI 似乎也能够关联三部小黄人电影。OpenAI 这样做的原因完全在于其模型的训练方式。如果有什么不同的话，那就是 OpenAI 正确地关联它们比 SentenceTransformers 无法看到它们之间的联系更令人惊讶。