相似度函数

定义

Neo4j GDS 库提供了一组度量，可用于计算两个数字数组 p_s、p_t 之间的相似度。

相似度函数可以分为两类。第一类是分类度量，它将数组视为集合，并根据两个集合之间的交集计算相似度。第二类是数值度量，它根据每个位置的数字彼此之间的接近程度计算相似度。

相似度函数名称	类型	值范围
`gds.similarity.jaccard`	分类	`[0,1]`
`gds.similarity.overlap`	分类	`[0, 1]`
`gds.similarity.cosine`	数值	`[-1, 1]`
`gds.similarity.pearson`	数值	`[-1, 1]`
`gds.similarity.euclideanDistance`	数值	`[0, ∞)`
`gds.similarity.euclidean`	数值	`(0, 1]`

下面提供每个函数的用法示例

Jaccard 相似度函数

RETURN gds.similarity.jaccard(
  [1.0, 5.0, 3.0, 6.7],
  [5.0, 2.5, 3.1, 9.0]
) AS jaccardSimilarity

表 1. 结果
jaccardSimilarity
0.142857142857143

重叠相似度函数

RETURN gds.similarity.overlap(
  [1.0, 5.0, 3.0, 6.7],
  [5.0, 2.5, 3.1, 9.0]
) AS overlapSimilarity

表 2. 结果
overlapSimilarity
0.25

余弦相似度函数

RETURN gds.similarity.cosine(
  [1.0, 5.0, 3.0, 6.7],
  [5.0, 2.5, 3.1, 9.0]
) AS cosineSimilarity

表 3. 结果
cosineSimilarity
0.882757381034594

皮尔逊相似度函数

RETURN gds.similarity.pearson(
  [1.0, 5.0, 3.0, 6.7],
  [5.0, 2.5, 3.1, 9.0]
) AS pearsonSimilarity

表 4. 结果
pearsonSimilarity
0.468277483648113

欧几里得相似度函数

RETURN gds.similarity.euclidean(
  [1.0, 5.0, 3.0, 6.7],
  [5.0, 2.5, 3.1, 9.0]
)  AS euclideanSimilarity

表 5. 结果
euclideanSimilarity
0.160030485454022

欧几里得距离函数

RETURN gds.similarity.euclideanDistance(
  [1.0, 5.0, 3.0, 6.7],
  [5.0, 2.5, 3.1, 9.0]
) AS euclideanDistance

表 6. 结果
euclideanDistance
5.248809388804284

当提供向量中的一个或多个值为null时，这些函数也可以计算结果。对于基于交集的函数，例如 Jaccard 或 Overlap，会从集合中排除 null 值并进行计算。在其他函数中，null值将被替换为0.0值。请参阅以下示例。

带有 null 值的 Jaccard

RETURN gds.similarity.jaccard(
  [1.0, null, 3.0],
  [1.0, 2.0, 3.0]
) AS jaccardSimilarity

表 7. 结果
jaccardSimilarity
0.666666666666667

带有 null 值的余弦

RETURN gds.similarity.cosine(
  [1.0, null, 3.0],
  [1.0, 2.0, 3.0]
) AS cosineSimilarity

表 8. 结果
cosineSimilarity
0.845154254728517