✓ 文件回写 ✕ 属性回写 ✓ 直接返回 ✓ 流式返回 ✕ 统计值

概述

重叠相似度（Overlap Similarity）是杰卡德相似度的一种延申，也叫 Szymkiewicz–Simpson 系数。它用两个集合的交集大小除以两个集合中较小的集合的大小，以此来表示两个集合的相似程度。

重叠相似度的取值范围 0 到 1；1 意味着其中一个集合是另一个集合的子集或两个集合完全一样，0 意味着两个集合没有任何共同元素。

基本概念

重叠相似度

已知集合 A 和 B，它们之间的重叠相似度可以表示为：

在下面的例子中，集合 A = {b,c,e,f,g}，集合 B = {a,d,b,g}，它们的交集 A⋂B = {b,g}，因此它们之间的重叠相似度为 2 / 4 = 0.5。

邻居集合

在 Ultipa 的重叠相似度算法中，收集两个目标节点的邻居集合用于计算其相似度时需注意以下几点：

• 邻居集合中没有重复的节点；
• 忽略自环边；
• 忽略两个目标节点之间的边；
• 忽略边方向。

上图中，当计算节点 u 和节点 v 间的重叠相似度时，它们的邻居集合分别为 N_u = {a,b,c,d,e} 以及 N_v = {d,e,f}，它们的重叠相似度为 2 / 3 = 0.6667。

在实践中，为了计算基于共同邻居的相似性指标，就像重叠相似度，有时可能需要将一些点属性转换为点 Schema。例如，当考虑两个申请之间的相似性时，申请的电话号码、邮箱、设备 IP 等信息可能是存储为 @application 类型的点的属性的。如果要使用这些信息来度量相似性，则应将它们设计为节点加入图中。

语法

• 命令：algo(similarity)
• 参数：

本算法有两种计算模式：

1. 配对：同时配置了 ids/uuids 和 ids2/uuids2 时，将第一组与第二组中的节点两两配对（笛卡尔乘积），逐对计算相似度。
2. 选拔：仅配置 ids/uuids 时，对于每一个节点，计算其与图中其他所有节点的相似度，目的是选拔与其最相似的节点，返回的 top_list 包含所有与其相似度大于 0 的结果并按相似度降序排列。

示例

示例图如下：

文件回写

algo(similarity).params({
  ids: "userC",
  ids2: ["userA", "userB", "userD"],
  type: "overlap"
}).write({
  file:{ 
    filename: "sc"
  }
})

结果：文件 sc

userC,userA,0.25
userC,userB,0.5
userC,userD,0

algo(similarity).params({
  uuids: [1,2,3,4],
  type: "overlap"
}).write({
  file:{ 
    filename: "list"
  }
})

结果：文件 list

userA,userC:1.000000;userB:0.500000;userD:0.333333;
userB,userC:1.000000;userA:0.500000;userD:0.500000;
userC,userA:1.000000;userB:1.000000;
userD,userB:0.500000;userA:0.333333;

直接返回

algo(similarity).params({ 
  uuids: [1], 
  uuids2: [2,3,4],
  type: "overlap"
}) as overlap
return overlap 
order by overlap.similarity desc

结果：overlap

algo(similarity).params({
  uuids: [1,2],
  type: "overlap",
  top_limit: 1
}) as top
return top

结果：top

流式返回

algo(similarity).params({ 
  uuids: [3], 
  uuids2: [1,2,4],
  type: "overlap"
}).stream() as overlap
where overlap.similarity > 0
return overlap

结果：overlap

algo(similarity).params({
  uuids: [1],
  type: "overlap",
  top_limit: 2
}).stream() as top
return top

结果：top