Neo4j中能否实现值存储及单条Cypher多会话VSM的Jaccard相似度对比

之前尝试创建Cache节点存储VSM向量导致计算失败，本质是将一维向量拆分为独立节点存储时，丢失了向量的顺序性与维度对齐关系，计算Jaccard相似度时无法按位置匹配两个向量的对应维度，结果自然不准确。
这类临时特征向量完全不需要拆分为节点落库，单条Cypher即可在查询的内存上下文里完成两个会话的向量生成、Jaccard相似度全流程计算，性能远高于临时建节点再读取的方案。

实现的核心前提是：两个会话的VSM向量必须基于完全相同的基准item列表生成，保证每个向量位置严格对应同一个参考item，避免维度错位。
完全匹配原有取数逻辑的可运行代码如下：

// 定义固定的基准item集合，作为两个会话VSM向量的统一维度参照
WITH [1,19] AS referenceItems

// 匹配原查询中id=555的会话，完全沿用原有取数过滤条件
MATCH (e1:Event{value:'clickout item',step:'2'})<-[:CONTAIN]-(s1:Session{id:"555"})-[:HAS_ITEMS]->(im1:Impression)
WITH referenceItems, collect(DISTINCT im1.value) AS s1ImpressionList
// 生成s1的0/1 VSM向量
WITH referenceItems, s1ImpressionList,
     [refItem IN referenceItems | CASE WHEN refItem IN s1ImpressionList THEN 1 ELSE 0 END] AS vsmSession1

// 匹配需要对比的目标会话，替换id值即可适配不同对比场景
MATCH (e2:Event{value:'clickout item',step:'2'})<-[:CONTAIN]-(s2:Session{id:"替换为对比会话的实际id"})-[:HAS_ITEMS]->(im2:Impression)
// 传递referenceItems，保证两个会话的VSM使用同一个基准列表
WITH referenceItems, vsmSession1, collect(DISTINCT im2.value) AS s2ImpressionList
// 生成s2的0/1 VSM向量
WITH vsmSession1,
     [refItem IN referenceItems | CASE WHEN refItem IN s2ImpressionList THEN 1 ELSE 0 END] AS vsmSession2

// 逐位置计算交集、并集计数
WITH vsmSession1, vsmSession2,
     reduce(
       interCount = 0,
       idx IN range(0, size(vsmSession1)-1) |
       interCount + CASE WHEN vsmSession1[idx] = 1 AND vsmSession2[idx] = 1 THEN 1 ELSE 0 END
     ) AS intersectionCount,
     reduce(
       unionCount = 0,
       idx IN range(0, size(vsmSession1)-1) |
       unionCount + CASE WHEN vsmSession1[idx] = 1 OR vsmSession2[idx] = 1 THEN 1 ELSE 0 END
     ) AS unionCount

RETURN
  vsmSession1,
  vsmSession2,
  intersectionCount,
  unionCount,
  // 带除零防护的Jaccard相似度计算
  CASE
    WHEN unionCount = 0 THEN 0
    ELSE intersectionCount * 1.0 / unionCount
  END AS jaccardSimilarity

• 两个会话的VSM向量必须共用同一个referenceItems基准列表，否则会出现向量长度不一致、维度错位的问题
• 计算时使用collect(DISTINCT ...)做去重，避免同一个Impression值被多次计数影响向量准确性
• 带除零防护的逻辑可覆盖两个会话都无匹配基准item的边界场景，避免查询报错

如果后续需要重复使用计算好的VSM向量，不需要创建独立Cache节点，可直接将完整的一维列表作为属性存储在对应Session节点上，示例代码：

// 将计算好的VSM向量直接存为Session的属性，后续计算可直接读取，无需重复生成
MATCH (s:Session{id:"555"})
SET s.vsmVector = $computedVsmValue

这种方式既保留了向量的顺序性，也不会产生额外的节点关联开销，读取时可直接参与相似度计算。

内容的提问来源于stack exchange，提问作者user12678036