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。
示例图集
创建示例图集：
// 在空图集中逐行运行以下语句
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图集
将当前图集全部加载到HDC服务器hdc-server-1上，并命名为 hdc_sim_prop：
CALL hdc.graph.create("hdc-server-1", "hdc_sim_prop", {
nodes: {"*": ["*"]},
edges: {"*": ["*"]},
direction: "undirected",
load_id: true,
update: "static",
query: "query",
default: false
})
hdc.graph.create("hdc_sim_prop", {
nodes: {"*": ["*"]},
edges: {"*": ["*"]},
direction: "undirected",
load_id: true,
update: "static",
query: "query",
default: false
}).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 |
[]_id |
/ | / | 否 | 通过_id指定参与计算的第一组点；若未设置则计算所有点 |
uuids |
[]_uuid |
/ | / | 否 | 通过_uuid指定参与计算的第一组点；若未设置则计算所有点 |
ids2 |
[]_id |
/ | / | 是 | 通过_id指定参与计算的第二组点；若未设置则计算所有点 |
uuids2 |
[]_uuid |
/ | / | 是 | 通过_uuid指定参与计算的第二组点；若未设置则计算所有点 |
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 | 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返回所有相似度大于0的结果。配对模式下，该参数无效 |
该算法包含两种计算模式：
- 配对：同时配置
ids/uuids和ids2/uuids2时，ids/uuids中的每个节点与ids2/uuids2中的每个节点配对（自配对除外），并逐对计算相似度。 - 选拔：若仅配置了
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的相似度大于0的结果，并按相似度降序排列。
文件回写
CALL algo.similarity.write("hdc_sim_prop", {
params: {
return_id_uuid: "id",
ids: "product1",
ids2: ["product2", "product3", "product4"],
node_schema_property: ["price", "weight", "width", "height"],
type: "pearson"
},
return_params: {
file: {
filename: "pearson"
}
}
})
algo(similarity).params({
project: "hdc_sim_prop",
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("hdc_sim_prop", {
params: {
return_id_uuid: "id",
ids: ["product1","product2"],
ids2: ["product2","product3","product4"],
node_schema_property: ["price", "weight", "width", "height"],
type: "pearson"
},
return_params: {}
}) 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 hdc_sim_prop
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("hdc_sim_prop", {
params: {
return_id_uuid: "id",
ids: ["product1", "product3"],
node_schema_property: ["price", "weight", "width", "height"],
type: "pearson",
top_limit: 1
},
return_params: {
stream: {}
}
}) 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 hdc_sim_prop
结果：
| _id1 | _id2 | similarity |
|---|---|---|
| product1 | product2 | 0.998785 |
| product3 | product2 | 0.507838 |