Neo4j 做推荐 （3）—— 协同过滤

协同过滤简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息

1
2
MATCH (m:Movie {title: "Crimson Tide"})<-[:RATED]-(u:User)-[:RATED]->(rec:Movie)

 RETURN rec.title AS recommendation, COUNT(*) AS usersWhoAlsoWatched ORDER BY usersWhoAlsoWatched DESC LIMIT 25

执行结果是：

分析：

此Cypher 语句的意思是：找出对电影《Crimson Tide》 进行过评分的用户，还对哪些电影进行过评分？并对这些被评分的电影，进行评分次数的累加并排名。

这就是通过简单的协同过滤，来看拥有相同兴趣的用户，他们还有哪些共同的喜好。

当然目前这样处理，还不够严谨，后续我们会添加更多的条件或者指标权重加以调整。

• 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/83027137
版权声明：本文为博主原创文章，转载请附上博文链接！