gremlin - 在将边添加到图形之前对余弦相似度分数进行排序
问题描述
我试图让这里找到的 Jaccard 相似度示例适用于余弦相似度,但想将创建的链接数量限制为前 10 名。
我查看了https://gist.github.com/dkuppitz/79e0b009f0c9ae87db5a但无法弄清楚如何跳过边缘创建部分对其进行排序并获得与上面链接相同的结果。
基于上面的 jaccard 示例,这是我迄今为止提出的:
g.V().
match(
__.as('v1').outE('RECOMMENDS').values('amount').fold().as('v1rec'),
__.as('v1').V().as('v2'),
__.as('v2').outE('RECOMMENDS').values('amount').fold().as('v2rec'),
__.as('v1').out().dedup().fold().as('v1n'),
__.as('v2').out().dedup().fold().as('v2n')
).
where('v1',lt('v2')).
by(id).
where('v1',neq('v2').and(without('v1n'))).
where('v2',without('v1n')).
project('v1','v2','n','d1','d2').
by(select('v1')).
by(select('v2')).
by(
select('v1rec','v2rec') <-- this does not work, can't get dot product from this
).
by(coalesce(
select('v1rec').
unfold().
math('_ ^ 2').
sum(),
constant(0))).
by(coalesce(
select('v2rec').
unfold().
math('_ ^ 2').
sum(),
constant(0))).
filter(select('d1').is(gt(0))).
filter(select('d2').is(gt(0))).
project('v1','v2','cosine').
by(select('v1')).
by(select('v2')).
by(math('n/(sqrt(d1)*sqrt(d2))')).
sort{-it.cosine}.
toList()[0..9].
each {
r -> g.V(r['v2']).as('v2').
V(r['v1']).
addE('PREDICTED_COSINE').
to('v2').
property('score', r['cosine']).
toList()
}
但无法弄清楚如何使用 select('v1rec','v2rec') 逐步获得第三个中的点积。请帮忙。
更新:
我无法将其放入评论中,因此在此处发布:
我尝试了另一种让我更接近的方法(我认为),但在遍历每个映射列表以从每个映射列表中提取值时仍然存在问题:
g.V().
match(
__.as('v1').outE().as('e1'),
__.as('v1').V().as('v2'),
__.as('v2').outE().as('e2'),
__.as('v1').out().dedup().fold().as('v1n'),
__.as('v2').out().dedup().fold().as('v2n')).
where('v1',neq('v2').
and(without('v1n'))).
where('v2',without('v1n')).
project('v1','v2','a1','a2').
by(select('v1')).
by(select('v2')).
by(select('e1').by('amount')).
by(select('e2').by('amount')).
project('v1','v2','n','d1','d2').
by(select('v1')).
by(select('v2')).
by(math('a1 * a2')).
by(math('a1 * a1')).
by(math('a2 * a2')).
group().
by(select('v1','v2')).
unfold()
一行输出:
==>{v1=v[4240], v2=v[8320]}=[{v1=v[4240], v2=v[8320], n=210.0, d1=196.0, d2=225.0}, {v1=v[4240], v2=v[8320], n=182.0, d1=196.0, d2=169.0}, {v1=v[4240], v2=v[8320], n=182.0, d1=196.0, d2=169.0}, {v1=v[4240], v2=v[8320], n=45.0, d1=9.0, d2=225.0}, {v1=v[4240], v2=v[8320], n=39.0, d1=9.0, d2=169.0}, {v1=v[4240], v2=v[8320], n=39.0, d1=9.0, d2=169.0}, {v1=v[4240], v2=v[8320], n=45.0, d1=9.0, d2=225.0}, {v1=v[4240], v2=v[8320], n=39.0, d1=9.0, d2=169.0}, {v1=v[4240], v2=v[8320], n=39.0, d1=9.0, d2=169.0}]
我的目标是总结地图中的所有“n”、“d1”和“d2”值,这样我就可以将相似度计算为 sum(n)/(sqrt(sum(d1))*sqrt(sum(d2 ))) 对于示例列表之外的每个键(例如 {v1=v[4240], v2=v[8320]} ,因此 n 将是 210 + 182 + 182 + 45 + 39 + 39 + 45 + 39 + 39 = 820)。我想为一堆图表做这个,所以我没有一个专门针对这个的。现在有意义吗?
解决方案
这就是我最终想出的:
g.V().
match(
__.as('v1').outE().as('e1'),
__.as('v1').V().as('v2'),
__.as('v2').outE().as('e2'),
__.as('v1').out().dedup().fold().as('v1n'),
__.as('v2').out().dedup().fold().as('v2n')
).
where('v1',neq('v2').
and(without('v1n'))).
where('v2',without('v1n')).
project('v1','v2','a1','a2').
by(select('v1')).
by(select('v2')).
by(select('e1').by('amount')).
by(select('e2').by('amount')).
project('v1','v2','n','d1','d2').
by(select('v1')).
by(select('v2')).
by(math('a1 * a2')).
by(math('a1 * a1')).
by(math('a2 * a2')).
group().
by(select('v1','v2')).
unfold().
project('v1','v2','n','d1','d2').
by(select(keys).select('v1')).
by(select(keys).select('v2')).
by(select(values).local(unfold().select('n').sum())).
by(select(values).local(unfold().select('d1').sum())).
by(select(values).local(unfold().select('d2').sum())).
project('v1','v2','c').
by(select('v1')).
by(select('v2')).
by(math('n / (sqrt(d1) * sqrt(d2))')).
sort{ -it.c }.
toList()[0..9]
感谢所有的帮助。
推荐阅读
- innerhtml - 将innerHTML文本从JSON传递到点击事件的表单
- python - 错误:没有找到比请求快的分布
- ruby-on-rails - rails db:create 成功,但随后给出错误
- python - Django——关系“”不存在
- javascript - 有没有办法停止覆盖对象值?
- android - 仅当本地缓存数据超过 5 分钟或根本不存在时,才使改造从服务器获取新数据
- javascript - 迭代嵌套的 json 对象并在其中操作数据
- python-3.x - Django ORM 查询集
- python - Numpy没有以科学计数法精确打印数组
- oauth - Power BI:提供的凭据不能用于源