Neo4j 做推荐 （11）—— 协同过滤（余弦相似度）
2019-08-18 本文已影响0人
程序员imHou
余弦距离：
Jaacard相似度对于比较电影很有用，实际上是比较两组（类型、演员、导演等）。但是对于电影评级，每个关系都有一个我们可以考虑的权重。
余弦相似度：
余弦相似性公式
两个用户的余弦相似度将告诉我们两个用户对电影的偏好有多相似。具有高余弦相似度的用户将具有类似的偏好。
根据余弦相似度，找到与Cynthia Freeman 最相似偏好的用户。
// Most similar users using Cosine similarity
MATCH (p1:User {name: "Cynthia Freeman"})-[x:RATED]->(m:Movie)<-[y:RATED]-(p2:User)
WITH COUNT(m) AS numbermovies, SUM(x.rating * y.rating) AS xyDotProduct,
SQRT(REDUCE(xDot = 0.0, a IN COLLECT(x.rating) | xDot + a^2)) AS xLength,
SQRT(REDUCE(yDot = 0.0, b IN COLLECT(y.rating) | yDot + b^2)) AS yLength,
p1, p2 WHERE numbermovies > 10
RETURN p1.name, p2.name, xyDotProduct / (xLength * yLength) AS sim
ORDER BY sim DESC LIMIT 100;
