Question

我打算使用neo4j图形数据库在我的电子商务网站上实施产品推荐。

建议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.

图形结构将是

用户（节点）

ID
时间戳

产品（节点）

名称
时间戳

操作（用户和产品节点之间的关系）

重量（根据行动给出，例如：购买：10，查看：1等）
时间戳（发生行动的时间）

稍后我将在用户节点之间添加社交关系。

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冗余或分类错误（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方法适用于我的电子商务网站，并且可以使用neo4j图形数据库解决（基于上述模型）。

Answer 1

您的问题更多的是关于数据科学，而不是如何实现某些东西。然后我指向Data Science StackExchange。

如果您想为电子商务实施推荐引擎，我强烈建议您使用GraphAware Reco。这是用于创建Neo4j的推荐引擎的框架。

以下是基于GraphAware Reco的基本推荐引擎的支架 - https://github.com/graphaware/recommendations-meetup

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

推荐算法适用于电子商务网站，并使用neo4j图数据库解决

1 个答案: