构建Neo4j相似图时平均相似度得分过高是否存在异常问题？

你目前得到的0.6-0.85区间的平均Jaccard相似度属于符合业务场景的正常结果，不存在项目逻辑问题，不需要过度担忧。

得分偏高的核心原因 #

• 场景天然属性：你所用的是围绕单一主题构建的Twitter垂直子图，所有纳入计算的Twitter账号本身就属于同个内容圈层，日常@、互动的账号重合度天然远高于Neo4j官方样例所用的通用稀疏数据集，Jaccard得分偏高是场景自带的特征。
• 预处理操作的叠加影响：你已经做的筛选边权大于1的关系、预聚合2-3跳关联生成RELATED_TO关系、改为无向图这些操作，本质都是过滤弱关联、强化有效关联，会直接拉高匹配到的节点对的重合度，最终推高平均得分。

合理性验证方法 #

你可以手动抽取若干组相似度得分在0.7以上的账号对，核查他们的发推内容、@对象重合度、所属的内容圈层，如果和你的业务预期一致，就说明这个得分是完全合理的，不需要硬套官方样例低于0.5的阈值标准。

可选优化方向 #

如果确实需要拉低平均得分让相似度区分度更高，可以尝试两个调整：

• 投影图时扩大邻居维度，比如把话题标签、参与的话题节点也纳入投影，扩大每个节点的邻居池，降低重合占比
• 放宽边权过滤规则，保留更多弱关联的交互关系

如果当前得分已经可以满足你后续社区划分、相似账号推荐等业务需求，直接调整similarityCutoff阈值使用即可，不需要强行对齐通用样例的指标表现。

内容的提问来源于stack exchange，提问作者CowCookie