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 |
是 | 通过_id或_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：
|
||
ids2/uuids2 |
_id/_uuid |
是 | 通过_id或_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 |
否 | 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>" |
否 | 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 |
是 | 在结果中使用_uuid、_id或同时使用两者来表示点 |
|
order |
String | asc,desc |
是 | 根据similarity分值对结果排序 |
||
limit |
Integer | ≥-1 | -1 |
是 | 限制返回的结果数。-1表示返回所有结果 |
|
top_limit |
Integer | ≥-1 | -1 |
是 | 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 |