유사도 알고리즘 이해도 점검

Day 3: 유사도 알고리즘

그래프 알고리즘 > Day 3: 유사도 알고리즘

8문제

Q1. Jaccard Similarity의 공식은?

A. |A ∩ B| / |A ∪ B|B. |A ∩ B| / min(|A|, |B|)C. A · B / (||A|| × ||B||)D. |A| + |B| - |A ∩ B|

Q2. Overlap Coefficient가 Jaccard보다 적합한 경우는?

A. 모든 집합 크기가 같을 때B. 집합 크기 차이가 클 때 부분 포함 관계 탐지C. 가중치가 있을 때D. 방향 그래프일 때

Q3. Cosine Similarity의 장점은?

A. 계산이 가장 빠름B. 가중치(평점, 빈도)를 고려함C. 희소 데이터에 강함D. 방향성을 고려함

Q4. gds.nodeSimilarity에서 topK 파라미터의 의미는?

A. 전체 결과에서 상위 K개B. 각 노드당 최대 K개의 유사한 노드C. 계산할 노드 수D. 반복 횟수

Q5. 이분 그래프에서 유사도를 계산할 때 주의점은?

A. 한 종류 노드만 프로젝션B. 두 종류 노드 모두 프로젝션 필수C. 방향을 NATURAL로 유지D. 가중치 반드시 필요

Q6. 대규모 데이터에서 유사도 계산 시 필수 설정은?

A. maxIterations 증가B. topK와 similarityCutoff 설정C. concurrency 증가D. 캐시 활성화

Q7. Node Similarity와 KNN의 차이는?

A. 속도 차이만 있음B. Node Similarity는 관계 구조, KNN은 노드 속성 기반C. KNN이 더 정확함D. 같은 알고리즘의 다른 이름

Q8. 희소 데이터에서 Jaccard 유사도 문제를 해결하는 방법은?

A. 더 많은 데이터 수집B. 카테고리 레벨로 추상화 또는 degreeCutoff 설정C. Cosine으로 변경D. 임계값 낮추기