neo4j - 适用于电子商务网站的推荐算法，使用neo4j图数据库解决

Question

我计划使用 neo4j 图形数据库在我的电子商务网站中实现产品推荐。

推荐将基于用户对产品的操作。行动将是

   - Product View , 
   - Rating ,
   - Read book
   - Download book , 
   - Purchase , 
   - Add to card , 
   - Review , 
   - Share
   - Some more action applicable to our site.

图结构将是

用户(节点)

编号

时间戳

产品(节点)

姓名

时间戳

操作(用户和产品节点之间的关系)

权重(根据操作给出，例如:购买:10，查看:1 等)

时间戳( Action 发生的时间)

稍后我将添加 User 节点之间的社交关系。

我从互联网的初步分析中发现了不同的推荐方法和算法。
以下是根据我的理解分类的列表。某些术语可能不正确或多余或错误分类(如果我错了，请纠正我)。

 - Item-Item similarity   
       - k-nearest neighbors (k-NN) algorithm
       - Pearson correlation coefficient.   
 -  User-User similarity   
 -  Matrix Factorization    
       - Singular Value Decomposition (SVD)
       - Restricted Boltzmann Machines (RBM)
       - Non-Negative Matrix Factorization ( NNMF )
 -  Latent factor analysis   
 -  Co-visitation analysis   
 -  Latent topic analysis   
 -  Cluster model   
 -  Association rule    
       - Bi-gram matrix association rule
 -  Ensembles

我的问题是确定哪些所有方法都适用于我的电子商务网站，并且可以使用 neo4j 图形数据库(基于上述模型)来解决。

Answer 1

您的问题更多是关于数据科学，而不是如何实现。然后我把你指向 Data Science StackExchange .

如果您想为电子商务实现推荐引擎，我强烈建议您使用 GraphAware Reco .这是在 Neo4j 之上创建推荐引擎的框架。

这是基于 GraphAware Reco 的基本推荐引擎的脚手架 - https://github.com/graphaware/recommendations-meetup

如果您的应用程序基于 PHP，您可以使用 GraphAware reco4php