Neo4j 做推荐 （8）—— 协同过滤（利用电影评级）

协同过滤：

使用网络中其他用户的首选项，评级和操作来查找要推荐的项目。

（买这个东西的用户，还买了那个东西）

用户Misty Williams的所有评分

1
2
3
4
// Show all ratings by Misty Williams

MATCH (u:User {name: "Misty Williams"})

MATCH (u)-[r:RATED]->(m:Movie)

RETURN *;

查找Misty的平均评分：

1
2
3
4
// Show all ratings by Misty Williams

MATCH (u:User {name: "Misty Williams"})

MATCH (u)-[r:RATED]->(m:Movie)

RETURN avg(r.rating) AS average;

哪些是Misty 评分超过平均分的电影：

1
2
3
4
5
6
7
// What are the movies that Misty liked more than average?

MATCH (u:User {name: "Misty Williams"})

MATCH (u)-[r:RATED]->(m:Movie)

WITH u, avg(r.rating) AS average

MATCH (u)-[r:RATED]->(m:Movie)

WHERE r.rating > average

RETURN m;

由此，通过计算Misty 评过分的电影，而且找出受到他好评的电影，推荐给其他用户，就是协同过滤最基本的做法。

• 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）