Neo4j 做推荐（5）—— 基于类型的个性化建议_程序员imHou的博客-CSDN博客_基于类型的个性化建议知识图谱

Neo4j 做推荐（5）—— 基于类型的个性化建议_程序员imHou的博客-CSDN博客_基于类型的个性化建议

本站和网页 https://blog.csdn.net/lovehouye/article/details/83215494 的作者无关，不对其内容负责。快照谨为网络故障时之索引，不代表被搜索网站的即时页面。

Neo4j 做推荐（5）—— 基于类型的个性化建议_程序员imHou的博客-CSDN博客_基于类型的个性化建议
Neo4j 做推荐（5）—— 基于类型的个性化建议
程序员imHou
于 2018-10-29 13:35:29 发布
2861
收藏
分类专栏：
Neo4j
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lovehouye/article/details/83215494
版权
Neo4j
专栏收录该内容
12 篇文章
14 订阅
订阅专栏
如果我们知道用户看过了哪些电影，我们可以使用此信息来推荐类似的电影：
// Content recommendation by overlapping genres
MATCH (u:User {name: "Angelica Rodriguez"})-[r:RATED]->(m:Movie),
(m)-[:IN_GENRE]->(g:Genre)<-[:IN_GENRE]-(rec:Movie)
WHERE NOT EXISTS( (u)-[:RATED]->(rec) )
WITH rec, [g.name, COUNT(*)] AS scores
RETURN rec.title AS recommendation, rec.year AS year,
COLLECT(scores) AS scoreComponents,
REDUCE (s=0,x in COLLECT(scores) | s+x[1]) AS score
ORDER BY score DESC LIMIT 10
返回结果如下：
分析：
1. 确定用户Angelica
2. 找出用户评过分的电影m
3. 把被评分的电影的流派找出来（g:Genre)
4. 通过流派g再返回去搜索属于该流派的电影（rec:Movie)，并且是Angelica 没有评过分的那部分电影
5. 返回电影，根据流派名称数量来打分 —— [g.name, COUNT(*)] AS scores
6. 把Scores 列表中的数据列出来 —— COLLECT(scores) AS scoreComponents,
7. 从Scores 列表中，把名称数量提取出来相加，作为得分 —— REDUCE (s=0,x in COLLECT(scores) | s+x[1]) AS score
8. 按得分高低排序
这里运用到了几个函数和表达式：
1. ['a', 'b', 'c'] AS list
Literal lists are declared in square brackets.
2. collect(n.property)
List from the values, ignores null.
3. reduce(s = "", x IN list | s + x.prop)
Evaluate expression for each element in the list, accumulate the results.
备注：
[g.name, COUNT(*)] AS scores 这句话想了很久什么意思
因为最终是要返回rec 记录，假设我们已经找到了rec，那么rec 记录中的每一条，它的流派是清晰的。那么它的流派，在 m 中出现过多少次，就是 [g.name, count(*)] 的结果。
程序员imHou
关注
关注
点赞
收藏
打赏
评论
Neo4j 做推荐（5）—— 基于类型的个性化建议
如果我们知道用户看过了哪些电影，我们可以使用此信息来推荐类似的电影：// Content recommendation by overlapping genresMATCH (u:User {name: "Angelica Rodriguez"})-[r:RATED]->(m:Movie), (m)-[:IN_GENRE]->(g:Genre)<-[:IN_GENRE...
复制链接
扫一扫
专栏目录
基于Neo4j的个性化推荐（二）
u010408586的专栏
12-23
395
Neo4j推荐算法实例
neo4j-reco:基于Neo4j的推荐引擎模块，具有实时和预先计算的推荐
04-13
GraphAware Neo4j推荐引擎
GraphAware Neo4j推荐引擎是一个用于在Neo4j上构建高性能复杂推荐引擎的库。它在的许多客户中投入生产，这些客户在具有数亿个节点的图形上提供实时建议。
主要特征：
干净灵活的设计
高性能
权衡推荐质量以提高速度的能力
能够预先计算建议
内置算法和功能
衡量推荐质量的能力
能够在A / B测试环境中轻松运行
该库强加了一种特殊的推荐引擎体系结构，这是从我们在Neo4j之上构建推荐引擎的经验中得出的。作为回报，它提供了高性能并处理了大部分管道，因此您只需编写特定于用例的推荐业务逻辑。
除了实时计算建议外，它还允许预计算建议，这些建议可能太复杂而无法实时计算。预计算在安静的时间段内尽力而为，因此不会干扰Neo4j数据库正在执行的常规事务处理。
社区与企业
该模块的开源（GPL）版本与GraphAware Framewor
评论 2
您还未登录，请先
登录
后发表或查看评论
Neo4j 做推荐（7）—— 基于内容的相似度量标准
聊聊技术和工具，偶尔说说管理
10-29
4405
相似度量是用于生成个性化推荐的重要组件，这些推荐允许我们量化两个项目的相似程度（或者我们稍后会看到，两个用户偏好的相似程度）。
Jaccard指数是0到1之间的数字，表示两组的相似程度。
两个相同集合的Jaccard指数是1.
如果两个集合没有公共元素，则Jaccard索引为0.
通过将两个集合的交集的大小除以两个集合的并集来计算Jaccard。
我们可以计算电影类型集的Jaccard...
配置neo4j bolt+s ssl
我怀念的
11-13
753
neo4j bolt+s ssl
实时个性化推荐介绍
大数据与人工智能
03-31
1975
作者丨gongyouliu编辑丨gongyouliu这是作者的第32篇文章，约1.5w字，阅读需90分钟随着互联网的深入发展和产品布局的多元化，越来越多的企业通过提供快节奏的产品及服务...
个性化建议
weixin_40151334的博客
05-29
127
/**
* 获取个性化建议
*/
var getHypertensionIndividalAdvise = function() {
debugger;
//获取类型(新增或者编辑)
var url = location.href;
var paraString = url.substring(url.indexOf("?")+1,url.length).spl...
Neo4j学习之路03——函数
m0_38102468的博客
10-26
436
Cypher函数分类：
断言函数
标量函数
列表函数
数学函数
字符串函数
断言函数：
对给定的输入返回true或false的布尔函数，主要用于查询WHERE的部分过滤子图
ALL：判断一个断言是否适用于列表中的所有元素
// 返回路径中的所有结点都有一个至少大于30的age属性
MATCH p = (a)-[*1..3]->(b)
WHERE a.name = 'Al...
Neo4j - reduce函数：根据关系指定路径深度查询时设置关系查询条件
scanklm的专栏
04-03
3960
MATCH p=(n)-[r*..1]-(e) with reduce(temp=0,data in r | data.label) as label, p as p WHERE n.disabled='0' andlabel = 'retation' RETURN p
其中label即为关系r上的属性
基于neo4j的图书推荐系统（包含neo4j的联网配置，服务器配置）
m0_45311187的博客
12-31
1263
neo4j 的配置 neo4j云服务器配置阿里云腾讯云图书推荐算法 neo4j图书推荐 neo4j推荐算法 neo4j上云配置文件配置
基于Neo4j的个性化推荐（一）
u010408586的专栏
12-23
566
Neo4j的简单个性化推荐
论文阅读：基于用户上网数据的电影个性化推荐系统研究
热门推荐
飘过的春风
07-15
1万+
基于用户上网数据的电影个性化推荐系统研究
赵鹏程，黄韬*
*(北京邮电大学信
工程学院，北京 100876)
摘要:本文讲述了如何构建出完整电影知识图谱的方法，同时提出了一套发掘电影系列的实现算法。基础数据为用户的上网请求，在不需要用户参与的情况下获得用户的电影兴趣行为，从中提取出与电影相关的上网数据，然后根据电影知识图谱将用户上网行为一一映射为用户兴趣行为，达到提取用户兴趣的目的。基于...
基于neo4j图谱搭建问答系统
gzt940726的博客
02-22
2301
前言
承接前文，本文介绍如何根据已有的neo4j图谱来搭建一个简单的问答系统。
ps：因为是基于neo4j图谱的，所以这个问题必须是在图谱中有答案才能进行回答。
正文
问答系统是NLP中最复杂的场景之一，根据查阅资料和个人的理解，一个简单的问答系统至少需要包含以下三个部分：
问题分类
关键词抽取
neo4j查询
以下分别对这三部分进行介绍：
问题分类
当一个问句过来的时候，我们首先要对其进行初步的分类，比如：
问题：伊利丹·怒风的称号是什么？
解析提问的类别:title
问题：伊利丹·怒风的种族是什么？
实战二十：基于neo4j搭建金融风控图谱详细教程代码+数据（可作为毕设项目）
最新发布
分享人工智能知识、python、自然语言处理、计算机视觉知识。
11-19
460
实战二十：基于neo4j搭建金融风控图谱详细教程代码+数据（可作为毕设项目）
利用Spring Data Neo4j搭建推荐系统
likaiwalkman@csdn - Code Study Area
11-11
1505
摘要：Neo4j是一款非常流行的开源图型NoSQL数据库。它完全支持ACID数据库事务属性，由于其良好的图数据模型设计，Neo4j的速度非常快。对于构建性能优异的推荐系统来说，Neo4j的速度要比传统的关系型数据库快1000倍。
本文作者Daniel Bartl是一位项目开发者，在这里分享如何使用Spring Data Neo4j来构建推荐系统。Neo4j是一款非常流行的开源图型NoSQ
Neo4j笔记（二）Cypher（8）函数
haveanybody的博客
04-28
1668
关于cypher中的函数有两点需要注意：
（1）如果输入是null，则函数返回null。
（2）字符串输入都是Unicode字符，而不是标准字符集，比如 size("你") 的结果是1。
一、断言函数
1、all
语法：all(variable IN list WHERE predicate)
返回：Boolean
含义：list中的所有元素都满足where条件，则返回true，否则返回fal...
知识图谱推荐之neo4j电影智能问答项目
weixin_38082579的博客
06-21
441
基于neo4j知识图谱电影智能问答项目，适合图数据库操作、知识图谱推荐入门，熟悉搭建完整项目流程。
#874358#基于django/neo4j的电视剧浏览数据推荐系统
qalangtao的博客
12-08
1237
本系统是基于neo4j的电视剧推荐系统，使用的是一份电视剧数据集，数据比较优质，包括电视剧名称，图片，播放地址，年份，分类等等几个字段，需要把数据初始化进neo4j建立对应的节点关系来推荐，初始化mysql给网站使用，然后django编写网站，用户首先可以看到电视剧的展示首页，可以浏览电视剧详情，并且可以在详情页面点击跳转第三方网站播放，然后可以根据浏览记录，去neo4j中查询有关联的电视剧，多种组合查询，进行推荐
推荐系统实战系列(Python)
09-16
<h3 class="MsoNormal">推荐系统实战系列课程旨在帮助同学们快速掌握推荐系统领域常用算法及其建模应用实例。全程基于Python及其开源工具实战演示各大推荐引擎构建方法，基于真实数据集进行建模与应用实战。整体风格通俗易懂，适合入门与进阶的同学们加入学习，提供课程所需全部PPT，数据，代码。</h3>
<img src="https://img-bss.csdnimg.cn/202009160246449299.png" alt="" width="880" height="500" />
<img src="https://img-bss.csdnimg.cn/202009160246528194.png" alt="" width="880" height="2342" />
<img src="https://img-bss.csdnimg.cn/202009160247082438.png" alt="" width="880" height="1473" />
常见图数据库比较
weixin_30593261的博客
08-09
1825
1.数据库分类: 传统的关系数据库和NoSQL数据库
传统的关系数据库：mySQL、oracle
NoSQL数据库分为Graph，Document，Column Family以及Key-Value Store等四种,分别对应titan、ES、hbase、redis。
2.图数据库相对于传统关系型数据库的优点
（1）传统关系型数据库为每一类实体建表，但没有对...
“相关推荐”对你有帮助么？
非常没帮助
没帮助
一般
有帮助
非常有帮助
提交
©️2022 CSDN
皮肤主题：成长之路
设计师：Amelia_0503
返回首页
程序员imHou
CSDN认证博客专家
CSDN认证企业博客
码龄16年
企业员工
62
原创
3万+
周排名
1万+
总排名
17万+
访问
等级
2003
积分
114
粉丝
46
获赞
17
评论
145
收藏
私信
关注
热门文章
Spring boot 中 Undertow 配置线程数
27771
国内几个免费的Git私有仓库
20825
【已解决】Could not initialize class sun.awt.X11FontManager
12129
Neo4j - Cypher 查询关系
12039
软件研发部经理岗位职责
6692
分类专栏
区块链
2篇
Solidity
2篇
智能合约
2篇
小技巧
2篇
小工具
Neo4j
12篇
Spring
3篇
Docker
3篇
管理
12篇
产品
1篇
Dart
5篇
微信
4篇
搜索
1篇
励志
14篇
读书
14篇
Python
1篇
大数据
2篇
最新评论
【已解决】Could not initialize class sun.awt.X11FontManager
玩家296508754:
yum -y install fontconfig，安装fontconfig。然后去网上下载一个ttf文件，拉到容器指定目录。再参考这个去初始化Font类就可以了https://blog.csdn.net/weixin_33691817/article/details/92550294
【已解决】Could not initialize class sun.awt.X11FontManager
程序员imHou:
换个镜像，尽量用完整版的，不要用阉割版的镜像就好了
【已解决】Could not initialize class sun.awt.X11FontManager
子丶叶:
遇到了这个问题，如果解决呢
您愿意向朋友推荐“博客详情页”吗？
强烈不推荐
不推荐
一般般
推荐
强烈推荐
提交
最新文章
解析简单的solidity安全数学计算库
解析简单的solidity重入保护合约
如何让360浏览器打开网站默认模式使用“极速”或者“兼容”
2022年2篇
2021年1篇
2020年1篇
2019年9篇
2018年63篇
2006年1篇
目录
目录
分类专栏
区块链
2篇
Solidity
2篇
智能合约
2篇
小技巧
2篇
小工具
Neo4j
12篇
Spring
3篇
Docker
3篇
管理
12篇
产品
1篇
Dart
5篇
微信
4篇
搜索
1篇
励志
14篇
读书
14篇
Python
1篇
大数据
2篇
目录
评论 2
被折叠的条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
打赏作者
程序员imHou
你的鼓励将是我创作的最大动力
¥2
¥4
¥6
¥10
¥20
输入1-500的整数
余额支付
(余额：-- )
扫码支付
扫码支付：¥2
获取中
扫码支付
您的余额不足，请更换扫码支付或充值
打赏作者
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额
抵扣说明：
1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。 2.余额无法直接购买下载，可以购买VIP、C币套餐、付费专栏及课程。
余额充值

Neo4j 做推荐 （5）—— 基于类型的个性化建议_程序员imHou的博客-CSDN博客_基于类型的个性化建议

Neo4j 做推荐（5）—— 基于类型的个性化建议_程序员imHou的博客-CSDN博客_基于类型的个性化建议