0

我正在 Neo4j 中构建相似度图，并且 gds.nodeSimilarity.stats 报告我正在使用的投影的平均相似度得分在 0.60 到 0.85 范围内，无论我如何转换图。我试过了：

  • 仅投影边权重大于 1 的关系
  • 删除核心节点以增加组件数量（我的图表是关于单个主题，核心节点代表该主题）
  • 将其更改为无向图

我意识到我总是可以将 gds.nodeSimilarity.write 中的similarityCut​​off 设置为更高的值，但我在猜测自己，因为我用于训练的所有玩具问题，包括 Neo4j 的实践，平均 Jaccard 分数都低于 0.5。我是不是想多了，还是有什么不对劲的迹象？

*** 编辑添加*** 这是一个有两种类型节点的图：帖子和实体。帖子反映了各种媒体类型，而实体反映了各种作者和专有名词。在这种情况下，我主要关注 Twitter。一些关系示例：

  • (e1 {Type:TwitterAccount})-[TWEETED]->(p:Post {Type:Tweet})-[AT_MENTIONED]->(e2 {Type:TwitterAccount})

  • (e1 {Type:TwitterAccount})-[TWEETED]->(p2:Post {Type:Tweet})-[QUOTE_TWEETED]->(p2:Post {Type:Tweet})-[AT_MENTIONED]->(e2 {Type :推特账号})

对于我的代码，我首先尝试仅投影 AT_MENTIONED 关系：

  • 调用 gds.graph.create('similarity_graph', ["Entity", "Post"], "AT_MENTIONED")

我试过用相反的方向这样做：

CALL gds.graph.create('similarity_graph', ["Entity", "Post"],    {AT_MENTIONED:{type:'AT_MENTIONED', orientation:'REVERSE'}})

我尝试在具有 RELATED_TO 关系的所有节点之间创建单方加权关系......

MATCH (e1:Entity)-[*2..3]->(e2:Entity) WHERE e1.Type = 'TwitterAccount' AND e2.Type = 'TwitterAccount' AND id(e1) < id(e2) WITH e1, e2, count(*) as strength MERGE (e1)-[r:RELATED_TO]->(e2) SET r.strength
= strength

...然后投影：

CALL gds.graph.create("similarity_graph", "Entity", "RELATED_TO")

无论我尝试上述哪种方法，然后通过运行以下命令获得我的 Jaccard 发行版：

CALL gds.nodeSimilarity.stats('similarity_graph') YIELD nodesCompared, similarityDistribution
4

1 回答 1

2

您获得高相似性分数的部分原因是因为默认topK值为 10。这意味着将仅在节点的前 10 个邻居之间创建/考虑关系。尝试运行以下查询：

CALL gds.nodeSimilarity.stats('similarity_graph', {topK:1000})
YIELD nodesCompared, similarityDistribution

现在你可能会得到一个较低的平均相似度分布。相似度图的密集程度取决于您的用例。您可以尝试使用默认值，看看效果如何。如果仍然太密集，您可以提高similarityCutoff阈值，如果太稀疏，您可以提高topK参数。没有灵丹妙药，这取决于您的用例和数据集。

改变关系方向将严重影响结果。在图表中

(:User)-[:RELATIONSHIP]->(:Item)

由此产生的单方网络将是一个用户网络。但是，如果你颠倒关系

(:User)<-[:RELATIONSHIP]-(:Item)

然后生成的网络将是一个项目网络。

最后，当你使用topK10 时，让 Jaccard 平均值为 0.7 实际上很棒，因为这意味着关系将在实际相似的节点之间。Neo4j 示例降低了相似性截止值，因此创建了一些关系并且相似性图不太稀疏。您也可以提高topK参数，如果没有有关图表大小的更多信息，很难准确地说出来。

于 2021-11-30T16:14:05.823 回答