Neo4j 做推荐 （2）—— 基于内容的过滤

基于内容的过滤(Content-based filtering)：该技术通过比较商品之间的相似性或者相关性进行推荐。这种方式忽略用户的购买行为，只考虑商品之间的相似关系。

1
2
MATCH p=(m:Movie {title: "Net, The"})-[:ACTED_IN|:IN_GENRE|:DIRECTED*2]-()

 RETURN p LIMIT 25

运行结果如下图：

分析：

Cypher 语句的意思是：找出25条记录，该记录满足以下条件之一：

1. 该记录中的电影是电影m 有相同的流派（IN_GENRE）
2. 出演过电影m的演员，出演过该电影（ACTED_IN）
3. 执导过电影m的导演，执导过该电影（DIRECTED）

注意：此语句返回的记录P，是一条关系链，并不仅仅是某一部电影。

另外，关系的运算，用到了 | 或。:DIRECTED*2 中的 *2 表示关系长度为2的关系。

这里举个例子：

1
MATCH p=(m:Movie {title: "Net, The"})-[:DIRECTED]-() RETURN relationships(p) as r

返回结果：
╒════╕
│"r"    │
╞════╡
│[{}    ]│
 └────┘

1
 MATCH p=(m:Movie {title: "Net, The"})-[:DIRECTED*2]-() RETURN relationships(p) as r

返回结果：
╒═══════╕
 │"r"    │
 ╞═══════╡
 │[{},{}]│
 ├───────┤
 │[{},{}]│
 ├───────┤
 │[{},{}]│
 ├───────┤
 │[{},{}]│
 └───────┘

1
MATCH p=(m:Movie {title: "Net, The"})-[:DIRECTED*]-() RETURN relationships(p) as r

返回结果：
╒═══════╕
│”r” │
╞═══════╡
│[{}] │
├───────┤
│[{},{}]│
├───────┤
│[{},{}]│
├───────┤
│[{},{}]│
├───────┤
│[{},{}]│
└───────┘

从上面可以看出，[:DIRECTED] 表示一层关系， [:DIRECTED*2]表示2层关系，[:DIRECTED*] 表示任意多层关系。

• Neo4j 做推荐 （1）—— 基础数据
• Neo4j 做推荐 （2）—— 基于内容的过滤
• Neo4j 做推荐 （3）—— 协同过滤
• Neo4j 做推荐 （4）—— 基于内容的过滤（续）
• Neo4j 做推荐 （5）—— 基于类型的个性化建议
• Neo4j 做推荐 （6）—— 加权内容算法
• Neo4j 做推荐 （7）—— 基于内容的相似度量标准
• Neo4j 做推荐 （8）—— 协同过滤（利用电影评级）
• Neo4j 做推荐 （9）—— 协同过滤（人群的智慧）
• Neo4j 做推荐 （10）—— 协同过滤（皮尔逊相似性）
• Neo4j 做推荐 （11）—— 协同过滤（余弦相似度）
• Neo4j 做推荐 （12）—— 协同过滤（基于邻域的推荐）

作者：imHou
来源：CSDN
原文：https://blog.csdn.net/lovehouye/article/details/83026113
版权声明：本文为博主原创文章，转载请附上博文链接！