數據集的相似性計算，其應用十分廣汎，在現有的各類人工智能的底層算法中，大多數都是基於概率（可能性）的近似計算，然後取最大可能性的近似值。參考 理解计算：从根号2到AlphaGo ——第1季 从根号谈起 （ https://ufqi.com/news/ulongpage.191.html ）。 另外使用神經網絡可以模擬任意曲綫函數，A visual proof that neural nets can compute any function （ http://neuralnetworksanddeeplearning.com/chap4.html ） 。
甚至，在早期的搜索引擎的計算中，如果計算兩個段落或者兩篇文章的相似性，也有使用基於圖的算法，將每篇文章視爲一個 graph，然後使用下面的圖的相似性的算法來計算兩者之間的相似性。
從一堆圖片中找到貓的照片是類似算法，車牌識別是這種算法，人臉識別、語音識別等都是類似的應用，神經網絡、深度學習等，莫不如是。人工智能AI之外，我們看到各種基於興趣的商品推薦，在綫廣告的智能匹配等等，都有這些算法的身影。
我們曾經開展過在綫廣告點擊率預測模型，其中運用到KNN算法，其核心就用到了 Euclidean Distance的計算 （ https://www.researchgate.net/publication/330742123_A_practical_study_on_imbalanced_data_re-sampling_for_conversion_rate_of_online_advertising ） 。
Neo4j 關於圖（Graph）的相似性計算（Similarity algorithm）提供了若干算法。
https://neo4j.com/docs/graph-data-science/current/alpha-algorithms/
- 5.4.1. Node Similarity
- 5.4.2. Jaccard Similarity
- 5.4.3. Cosine Similarity
- 5.4.4. Pearson Similarity
- 5.4.5. Euclidean Distance
- 5.4.6. Overlap Similarity
- 5.4.7. Approximate Nearest
這些算法都有詳細的解釋説明，樣例代碼等，這裏還有對幾種不同算法的對比分析（參考：余弦距离、欧氏距离和杰卡德相似性度量的对比分析 ， https://www.jianshu.com/p/c4bbad87f873 ）。 其中應用較多的是 餘弦距離和歐氏距離。
Cosine Similarity/餘弦距離計算公式
Euclidean Distance/歐氏距離計算公式
在 Neo4j 的文檔中，對餘弦距離和歐氏距離的應用場景都有差不多的描述：
我们可以使用欧几里德距离算法来计算两个事物之间的相似性。然后我们可以使用计算出的相似度作为推荐查询的一部分。例如，根据用户的偏好来获得电影推荐，这些用户所給出的评分与您看过的其他电影的评分相似。
We can use the Cosine Similarity algorithm to work out the similarity between two things. We might then use the computed similarity as part of a recommendation query. For example, to get movie recommendations based on the preferences of users who have given similar ratings to other movies that you’ve seen.
Neo4j是一個開源的NoSQL的原生圖數據庫。Neo4j is an open-source, NoSQL, native graph database that provides an ACID-compliant transactional backend for your applications.
圖數據庫存儲的數據單位是節點（Node）和關係（Relations）。
通常，圖用一組數據表示，如 g1(a0, a1, a2, a3, ….), g2(b0, b1, b2, b3, ….)，極值情況下，如 g1(a0), g2(b0) 如何比較和計算相似性？這是本文試圖探討的要點。我們還結合研發中的 
有福工坊UfqiWork ( https://ufqi.com/work ) 的實際應用案例對所提議的算法進行了驗證，取得了預期的效果。
將極值比如 g1(10) 和 g(100) 進行計算時，幾乎每個算法都會返回極其不相似的結果值: -1 .
如果我們想進一步地探討， g1(10) 和 g2(100) 的不相似值， 與 g2(100) 和 g3(1000) 的不相似值，有多少程度上的不同呢？ 顯然上面的算法在都返回不相似的極值 -1 時，兩者的不相似是一樣的，而真實情況真的是一樣嗎？如果不一樣，怎麽來描述這種不相似的差異？
簡單而直接的做法是考察兩個數值之間的減法差值或除法商值，差值或商值的大小決定了兩個數據的差異性，正比例關係。
比如，10~100的差值是90，商值是10， 100~1000的差值是900，商值是10.
如果我們要定義或者套用一下相似性，10~100的相似性用數值表達是多少？ 100~1000的相似性用數值表達是多少？如果比較差值的話，後者的差別大於前者，如果比較商值的話，前者與後者相等。從語義上來解讀，顯然使用商值較符合預期，業績兩者的差異是10倍。
使用絕對商值10來描述相似性顯然不太合適，爲了便於表述為相似性，我們還需要對其進行歸一化處理。為方便描述兩個數值的商值，我們對商值取log10對數，這樣大幅降低絕對值的範圍並提供更大的曲綫表述空間，其絕對值的細微變化能夠映射到相應的對數值上。
對數log10(x)的坐標曲綫
嘗試進行歸一化（Normalization）處理時，需要設定區間閾值。如果兩個數相等，其商值為1，取對數log10(1)時, 得到值為 0，可以認爲儅兩個數的如上這麽計算過程之後值為0時，這兩個數的相似性是 100%。
那麽，多大是不相似呢？如果做歸一化或者百分比，我們需要確定、劃定一個“不相似值”的標準，無論是取商值，還是再對商值取對數，需要一個明確而具體的數值來表示或界定完全不相似。這個數值可能最終需要靠經驗獲得，也與要考察的數據可能的取值範圍有關，比如考察人的身高時，相差一倍就有種十萬八千裏的感覺；而考察星系，十萬八千里也可能只是一倍的表述。因此，這個用以界定“不相似”的閾值 k 應該是根據經驗和應用場景而定。
於是，我們就可以寫出我們用於求值某兩個任意數的相似性值，設若k為完全不相似，則某兩個數的相似性表述區間為 [0, k] , 針對這個取值範圍，再進行歸一化處理則相對容易。最終，我們擬寫了下面這個求取兩個任意數值的相似性的函數表達式：
F(n1, n2, k) = normalize{ min[k, log10[ max(n1, n2)/min(n1, n2)] ] };
其中n1, n2為待求取相似性的兩個數值， k為經驗常數極值（表示完全不相似值）。
其計算過程可以描述爲:
1) 比較n1, n2的大小；
2) 求取n1， n2較大值除以較小值的商;
3) 對商值取log10對數；
4) 比較對數值與常熟k的大小，如果商值的對數值大於k，取k值；
5) 對前一步數值做歸一化處理，得到預期值在 [0, 1] 之間.
由此，我們獲知，儅兩個數的商值一樣時，其相似性是一樣的。因此10~100 和 100~1000的相似性是一樣的。對商值做進一步的處理是爲了表述和運算方便。類似的算法我們在 有福工坊UfqiWork ( https://ufqi.com/work ) 進行試用，取得了一定的預期效果。
圖的極值問題只是相似性問題中的特例，同時這些所謂的極值也是相對的，儅g1(a1), g2(a2), g3(a3)…. 等多個極值組合為一個大的圖G(a1, a2, a3….)時，其與另外一個大G(b1, b2, b3…)相比較計算相似性時，又回歸到到文檔看到提到的數據集相似性問題計算了。
UfqiWork 有福工坊 服務交易所
有福工坊UfqiWork 是一个在线服务交易平台。
有福工坊提供在线分类服务信息，致力于在线撮合服务交易的买方和卖方，并为买方、卖方提供“行准”服务，居间担保服务交易。行准服务的提供方为居间交易的第三方。有福工坊的服务交易平台为整个服务交易流程的第四方。
线上签约，线下交割。有福工坊整合服务交易的 信息流和 资金流，在线承载买卖双方的需求供给信息匹配、交易撮合，在线承担交易双方的资金拨付、担保。服务交易的 标的物在线下实施、交割。
有福工坊服务交易平台服务于提供居间交易的“行准”，通过行准服务于服务交易的买卖双方。交易标的物与其他电子商务交易不同的是其非标准性，如房屋、工作/职业、家政/维保、汽车、医疗、教育、金融、出行、时尚等等。相应地行准为房产中介，猎头中介，商品导购、推荐、带货等。
所不同于现有分类市场的地方在于：站在买方立场代表买方利益的居间服务；买方有定价权，居间服务报价。相应地，卖方也可以使用定价权雇佣代表卖方立场和利益的居间服务。
有福工坊UfqiWork 圖標中 “有” 的紅色高亮部分，既像是“房屋”（住房），也像是“凳子”（工作），寓意 有福工坊UfqiWork 致力於為用戶提供住房、工作、家政等各類信息匹配及撮合交易服務。
