修改密码

请输入密码
请输入密码 请输入8-64长度密码 和 email 地址不相同 至少包括数字、大写字母、小写字母、半角符号中的 3 个
请输入密码
提交

修改昵称

当前昵称:
提交

申请证书

证书详情

Please complete this required field.

  • Ultipa Blaze (v4)
  • Ultipa Powerhouse (v5)

Standalone

点击

了解 Ultipa Powerhouse (v5)架构中的四大组成部分。

Please complete this required field.

Please complete this required field.

Please complete this required field.

Please complete this required field.

如果不需要 HDC 服务,则此项留空。

Please complete this required field.

如果不需要 HDC 服务,则此项留空。

Please complete this required field.

Please complete this required field.

所有服务器的MAC地址,由换行符或逗号分隔。

Please complete this required field.

Please complete this required field.

取消
申请
ID
产品
状态
核数
Shard 服务最大数量
Shard 服务最大总核数
HDC 服务最大数量
HDC 服务最大总核数
申请天数
审批日期
过期日期
MAC地址
申请理由
审核信息
关闭
基础信息
  • 用户昵称:
  • 手机号:
  • 公司名称:
  • 公司邮箱:
修改密码
申请证书

当前未申请证书.

申请证书
Certificate Issued at Valid until Serial No. File
Serial No. Valid until File

Not having one? Apply now! >>>

ProductName CreateTime ID Price File
ProductName CreateTime ID Price File

No Invoice

v5.2
搜索
    v5.2

      皮尔森相关系数

      HDC

      概述

      皮尔森相关系数(Pearson Correlation Coefficient)是衡量两个可定量的变量之间线性关系强度和方向的最常用方法。在图中,节点可由它们的N个数值属性(特征)来量化。

      皮尔森相关系数(r)的定义为两个变量X = (x1, x2, ..., xn)和Y = (y1, y2, ..., yn)之间的协方差和两者标准差乘积的比值:

      皮尔森相关系数的取值范围是[-1,1]:

      皮尔森相关系数
      关系类型
      解释
      0 < r ≤ 1 正相关 一个变量值变大,另一个变量值也会变大
      r = 0 没有线性相关性 (但可能存在其他相关性)
      -1 ≤ r < 0 负相关 一个变量值变大,另一个变量值反而会变小

      特殊说明

      • 两个节点的皮尔森相关系数理论上不依赖它们之间的连通性。

      示例图

      在一个空图中运行以下语句定义图结构并插入数据:

      ALTER GRAPH CURRENT_GRAPH ADD NODE {
        product ({price int32, weight int32, width int32, height int32})
      };
      INSERT (:product {_id:"product1", price:50, weight:160, width:20, height:152}),
             (:product {_id:"product2", price:42, weight:90, width:30, height:90}),
             (:product {_id:"product3", price:24, weight:50, width:55, height:70}),
             (:product {_id:"product4", price:38, weight:20, width:32, height:66});
      

      create().node_schema("product");
      create().node_property(@product, "price", int32).node_property(@product, "weight", int32).node_property(@product, "width", int32).node_property(@product, "height", int32);
      insert().into(@product).nodes([{_id:"product1", price:50, weight:160, width:20, height:152}, {_id:"product2", price:42, weight:90, width:30, height:90}, {_id:"product3", price:24, weight:50, width:55, height:70}, {_id:"product4", price:38, weight:20, width:32, height:66}]);
      

      创建HDC图

      将当前图集全部加载到HDC服务器hdc-server-1上,并命名为 my_hdc_graph

      CREATE HDC GRAPH my_hdc_graph ON "hdc-server-1" OPTIONS {
        nodes: {"*": ["*"]},
        edges: {"*": ["*"]},
        direction: "undirected",
        load_id: true,
        update: "static"
      }
      

      hdc.graph.create("my_hdc_graph", {
        nodes: {"*": ["*"]},
        edges: {"*": ["*"]},
        direction: "undirected",
        load_id: true,
        update: "static"
      }).to("hdc-server-1")
      

      参数

      算法名:similarity

      参数名 类型 规范 默认值 可选 描述
      ids/uuids _id/_uuid
      /
      /
      通过_id_uuid指定参与计算的第一组点;若未设置,则图中所有点均参与计算 算法支持两种计算模式:

      • 配对模式:同时设置ids/uuidsids2/uuids2时,ids/uuids中的每个点与ids2/uuids2中的每个点配对(自配对除外),并逐对计算相似度
      • 选拔模式:若仅设置了ids/uuids,则逐对计算其中各节点与图中所有其他节点间的相似度,返回所有(或指定个数)相似度大于0的结果,并按相似度降序排列
      ids2/uuids2 _id/_uuid
      /
      /
      通过_id_uuid指定参与计算的第二组点。如果仅设置ids2/uuids2(并未设置ids/uuids2),算法不返回结果
      type String pearson cosine 指定待计算的相似度类型;计算皮尔森相关系数时,设置为pearson
      node_schema_property []"<@schema.?><property>"
      /
      /
      指定构成向量的数值类型点属性;所有指定的属性必须属于同一个标签(Schema)
      return_id_uuid String uuid,id,both uuid 在结果中使用_uuid_id或同时使用两者来表示点
      order String asc,desc
      /
      根据similarity分值对结果排序
      limit Integer ≥-1 -1 限制返回的结果数。-1表示返回所有结果
      top_limit Integer ≥-1 -1 在选拔模式下,限制ids/uuids中每个节点返回的结果数。-1表示返回所有相似度大于0的结果。配对模式下,该参数不生效

      文件回写

      CALL algo.similarity.write("my_hdc_graph", {
        return_id_uuid: "id",
        ids: "product1",
        ids2: ["product2", "product3", "product4"],
        node_schema_property: ["price", "weight", "width", "height"],
        type: "pearson"
      }, {
        file: {
          filename: "pearson"
        }
      })
      

      algo(similarity).params({
        projection: "my_hdc_graph",
        return_id_uuid: "id",
        ids: "product1",
        ids2: ["product2", "product3", "product4"],
        node_schema_property: ["price", "weight", "width", "height"],
        type: "pearson"
      }).write({
        file: {
          filename: "pearson"
        }
      })
      

      结果:

      _id1,_id2,similarity
      product1,product2,0.998785
      product1,product3,0.474384
      product1,product4,0.210494
      

      完整返回

      CALL algo.similarity.run("my_hdc_graph", {
        return_id_uuid: "id",
        ids: ["product1","product2"], 
        ids2: ["product2","product3","product4"],
        node_schema_property: ["price", "weight", "width", "height"],
        type: "pearson"
      }) YIELD p
      RETURN p
      

      exec{
        algo(similarity).params({
          return_id_uuid: "id",
          ids: ["product1","product2"], 
          ids2: ["product2","product3","product4"],
          node_schema_property: ["price", "weight", "width", "height"],
          type: "pearson"
        }) as p
        return p
      } on my_hdc_graph
      

      结果:

      _id1 _id2 similarity
      product1 product2 0.998785
      product1 product3 0.474384
      product1 product4 0.210494
      product2 product3 0.507838
      product2 product4 0.253573

      流式返回

      CALL algo.similarity.stream("my_hdc_graph", {
        return_id_uuid: "id",
        ids: ["product1", "product3"], 
        node_schema_property: ["price", "weight", "width", "height"],
        type: "pearson",
        top_limit: 1    
      }) YIELD top
      RETURN top
      

      exec{
        algo(similarity).params({
          return_id_uuid: "id",
          ids: ["product1", "product3"], 
          node_schema_property: ["price", "weight", "width", "height"],
          type: "pearson",
          top_limit: 1        
        }).stream() as top
        return top
      } on my_hdc_graph
      

      结果:

      _id1 _id2 similarity
      product1 product2 0.998785
      product3 product2 0.507838
      请完成以下信息后可下载此书
      *
      公司名称不能为空
      *
      公司邮箱必须填写
      *
      你的名字必须填写
      *
      你的电话必须填写
      *
      你的电话必须填写
      隐私政策
      请勾选表示您已阅读并同意。

      Copyright © 2019-2025 北京同心尚科技发展有限公司-保留所有权利 京ICP备19040872号-1