在将边线添加到图形之前对余弦相似度得分进行排序

时间:2019-04-08 22:11:21

标签: gremlin janusgraph

我正在尝试使用jaccard相似度示例,发现here可用于余弦相似度,但想将创建的链接数限制为前10个得分。

我查看了https://gist.github.com/dkuppitz/79e0b009f0c9ae87db5a,但无法弄清楚如何跳过边缘创建片段以对其进行排序,并获得与上述链接相同的结果。

根据上面的jaccard示例,这是我到目前为止提出的内容:

g.V().
    match(
     __.as('v1').outE('RECOMMENDS').values('amount').fold().as('v1rec'),
     __.as('v1').V().as('v2'),
     __.as('v2').outE('RECOMMENDS').values('amount').fold().as('v2rec'),
     __.as('v1').out().dedup().fold().as('v1n'),
     __.as('v2').out().dedup().fold().as('v2n')
    ).
    where('v1',lt('v2')).
         by(id).
    where('v1',neq('v2').and(without('v1n'))).
    where('v2',without('v1n')).
    project('v1','v2','n','d1','d2').
     by(select('v1')).
     by(select('v2')).
     by(
         select('v1rec','v2rec') <-- this does not work, can't get dot product from this
     ).
     by(coalesce(
            select('v1rec').
                unfold().
                math('_ ^ 2').
                sum(),
             constant(0))).
     by(coalesce(
            select('v2rec').
                unfold().
                math('_ ^ 2').
                sum(),
            constant(0))).
    filter(select('d1').is(gt(0))).
    filter(select('d2').is(gt(0))).
    project('v1','v2','cosine').
         by(select('v1')).
         by(select('v2')).
         by(math('n/(sqrt(d1)*sqrt(d2))')).
    sort{-it.cosine}.
    toList()[0..9].
    each {
         r -> g.V(r['v2']).as('v2').
         V(r['v1']).
         addE('PREDICTED_COSINE').
         to('v2').
         property('score', r['cosine']).
         toList()
    }

但无法弄清楚如何使用select('v1rec','v2rec')逐步获得点积。请帮忙。

更新:

我无法在评论中显示此内容,因此请在此处发布:

我尝试了另一种方法,使我更接近(我认为),但是在遍历每个地图列表以从每个地图提取值时仍然存在问题:

g.V().
    match(
        __.as('v1').outE().as('e1'),
        __.as('v1').V().as('v2'),
        __.as('v2').outE().as('e2'),
        __.as('v1').out().dedup().fold().as('v1n'),
        __.as('v2').out().dedup().fold().as('v2n')).
    where('v1',neq('v2').
        and(without('v1n'))).
    where('v2',without('v1n')).
    project('v1','v2','a1','a2').
        by(select('v1')).
        by(select('v2')).
        by(select('e1').by('amount')).
        by(select('e2').by('amount')).
    project('v1','v2','n','d1','d2').
        by(select('v1')).
        by(select('v2')).
        by(math('a1 * a2')).
        by(math('a1 * a1')).
        by(math('a2 * a2')).
    group().
        by(select('v1','v2')).
        unfold()

一行输出:

==>{v1=v[4240], v2=v[8320]}=[{v1=v[4240], v2=v[8320], n=210.0, d1=196.0, d2=225.0}, {v1=v[4240], v2=v[8320], n=182.0, d1=196.0, d2=169.0}, {v1=v[4240], v2=v[8320], n=182.0, d1=196.0, d2=169.0}, {v1=v[4240], v2=v[8320], n=45.0, d1=9.0, d2=225.0}, {v1=v[4240], v2=v[8320], n=39.0, d1=9.0, d2=169.0}, {v1=v[4240], v2=v[8320], n=39.0, d1=9.0, d2=169.0}, {v1=v[4240], v2=v[8320], n=45.0, d1=9.0, d2=225.0}, {v1=v[4240], v2=v[8320], n=39.0, d1=9.0, d2=169.0}, {v1=v[4240], v2=v[8320], n=39.0, d1=9.0, d2=169.0}]

我的目标是汇总地图中的所有“ n”,“ d1”和“ d2”值,以便我可以将相似度计算为sum(n)/(sqrt(sum(d1))* sqrt(每个键的总和(例如{v1 = v [4240],v2 = v [8320]},位于示例列表之外,因此n为210 + 182 + 182 + 45 + 39 + 39 + 45 + 39 + 39 = 820)。我想对一堆图形执行此操作,因此我对此没有一个特定的图形。现在有意义吗?

1 个答案:

答案 0 :(得分:0)

这是我最终想出的:

g.V().
    match(
        __.as('v1').outE().as('e1'),
        __.as('v1').V().as('v2'),
        __.as('v2').outE().as('e2'),
        __.as('v1').out().dedup().fold().as('v1n'),
        __.as('v2').out().dedup().fold().as('v2n')
    ).
    where('v1',neq('v2').
        and(without('v1n'))).
    where('v2',without('v1n')).
    project('v1','v2','a1','a2').
        by(select('v1')).
        by(select('v2')).
        by(select('e1').by('amount')).
        by(select('e2').by('amount')).
    project('v1','v2','n','d1','d2').
        by(select('v1')).
        by(select('v2')).
        by(math('a1 * a2')).
        by(math('a1 * a1')).
        by(math('a2 * a2')).
    group().
        by(select('v1','v2')).
        unfold().
    project('v1','v2','n','d1','d2').
        by(select(keys).select('v1')).
        by(select(keys).select('v2')).
        by(select(values).local(unfold().select('n').sum())).
        by(select(values).local(unfold().select('d1').sum())).
        by(select(values).local(unfold().select('d2').sum())).
    project('v1','v2','c').
        by(select('v1')).
        by(select('v2')).
        by(math('n / (sqrt(d1) * sqrt(d2))')).
    sort{ -it.c }.
    toList()[0..9]

感谢所有帮助。