推荐的最佳解决方案

Question

我将找到一个合适的功能，以便根据他们的最爱获得两个人之间的准确相似性。

例如，人们连接到标签，并且他们对每个标签的期望将作为数值保持在标签节点的边缘上。我想向每个人推荐类似的人。

我找到了两个解决方案：

1. 余弦相似度

在Neo4j中有余弦函数只接受一个输入而在上面的函数中我需要将vectores传递给这个公式。如：

对于＆＃34; a＆＃34;：a = [10,20,45]每个数字表示人们对每个标签的愿望。 for＆＃34; b＆＃34;：b = [20,50,70]

1. Pearson Correlation

当我在网上冲浪时，我发现你的文件： http://neo4j.com/docs/stable/cypher-cookbook-similarity-calc.html#cookbook-calculate-similarities-by-complex-calculations



我的问题是这个公式背后的逻辑是什么？ r和H有什么区别？

因为乍一看我认为H1或H2总是等于1。除非我应该考虑图表的其余部分。

感谢您提前获取任何帮助。

Answer 1

这个例子让人有点难以理解发生了什么。在这个例子中，H1和H2都是1.一个更好的例子可以显示每个人吃不同类型的食物，所以你能够看到H值的变化。如果＆＃34; me＆＃34;还吃了＆＃34;蔬菜＆＃34;，＆＃34;披萨＆＃34;和＆＃34;热狗＆＃34;，他们的H将是4.

Answer 2

我认为H1和H2的目的是规范食物类型中times属性（用户吃食物的次数）的结果。您可以在此Neo4j console

中试验此示例

由于您提及其他相似性度量，您可能对此GraphGist Similarity Measures For Collaborative Filtering With Cypher感兴趣。它有一些使用Cypher计算Pearson相关性和Jaccard相似性的简单例子。

Answer 3

无法帮助您使用Neo4J，只想指出Cosine Similarity和Pearsons＆＃39;相关系数基本上是一回事。如果您解码不同的符号，您会发现唯一的区别是Pearsons首先将向量置零。所以你可以按如下方式定义Pearsons：

Pearsons(a, b) = Cosine(a - mean(a), b - mean(b))