graph - ArangoDB - 如何使用图实现自定义推荐引擎？

Question

假设我们有一个食品数据库，例如:

item1 = {name: 'item1', tags: ['mexican', 'spicy']};
item2 = {name: 'item2', tags: ['sweet', 'chocolate', 'nuts']};
item3 = {name: 'item3', tags: ['sweet', 'vanilla', 'cold']};

我们有一个用户在寻找食物推荐，他们在其中指出他们对某些标签的偏好权重:

foodPref = {sweet: 4, chocolate: 11}

现在我们需要计算每个项目的得分并推荐最好的项目:

item1 score = 0 (doesn't contain any of the tags user is looking for)
item2 score = 4 (contains the tag 'sweet')
item3 score = 15 (contains the tag 'sweet' and 'chocolate')

我将问题建模为图表:

获得建议的正确方法是什么——自定义遍历对象，或者只是使用 AQL 过滤和计数，或者只是在 Foxx(javascript 层)中实现它？

另外，您能否为您建议的方法提供示例实现帮助？

提前致谢!

Answer 1

首先，让我们按照您指定的方式创建集合及其内容。我们将添加第二个用户。

db._create("user")
db._create("tags")
db._create("dishes")

db.user.save({_key: 'user1'})
db.user.save({_key: 'user2'})

db.tags.save({_key: 'sweet'})
db.tags.save({_key: 'chocolate'})
db.tags.save({_key: 'vanilla'})
db.tags.save({_key: 'spicy'})

db.dishes.save({_key: 'item1'})
db.dishes.save({_key: 'item2'})
db.dishes.save({_key: 'item3'})

现在让我们用它们的边创建边集合:

db._createEdgeCollection("userPreferences")
db._createEdgeCollection("dishTags")

db.userPreferences.save("user/user1", "tags/sweet", {score: 4})
db.userPreferences.save("user/user1", "tags/chocolate", {score: 11})
db.userPreferences.save("user/user2", "tags/sweet", {score: 27})
db.userPreferences.save("user/user2", "tags/vanilla", {score: 7})

db.dishTags.save("tags/sweet", "dishes/item2", {score: 4});
db.dishTags.save("tags/sweet", "dishes/item3", {score: 7})
db.dishTags.save("tags/chocolate", "dishes/item2", {score: 2})
db.dishTags.save("tags/vanilla", "dishes/item3", {score: 3})
db.dishTags.save("tags/spicy", "dishes/item1", {score: 666})

我们的关系是这样的:

user-[userPreferences]->tags-[dishTags]->dishes

找出什么 user1可以使用此查询完成喜欢:

FOR v, e IN 1..2 OUTBOUND "user/user1" userPreferences, dishTags
  RETURN {item: v, connection: e}

如果您现在想查找所有 user1 的菜肴最喜欢:

FOR v, e IN 2..2 OUTBOUND "user/user1" userPreferences, dishTags 
  FILTER e.score > 4 RETURN v

我们过滤 score属性。

现在我们想找到另一个与 user1 具有相同偏好的用户。做:

FOR v, e IN 2..2 ANY "user/user1" userPreferences RETURN v

我们进入 ANY方向(向前和向后)，但只对 userPreferences 感兴趣边缘收集，否则 2..2 也会提供使用菜肴。我们现在这样做的方式。我们回到用户集合中寻找具有相似偏好的用户。

创建 Foxx 服务是否是一个好的选择取决于个人喜好。如果您想在服务器端合并和过滤结果，Foxx 很棒，因此客户端通信较少。如果您想将应用程序置于微服务之上而不是数据库查询之上，也可以使用它。然后，您的应用程序可能不会使用特定于数据库的代码 - 只有 operates with the microservice作为它的后端。 Foxx 可能有一些用例

一般来说，没有“正确”的方式 - 由于性能、代码清洁度、可扩展性等原因，您可能更喜欢不同的方式。