我为餐馆开发了一个搜索引擎。我有一个社交网络，其中用户可以添加朋友和表单组并相互推荐餐馆。每间餐厅均可供应多种美食。所有这些都在Python中。
因此，根据用户推荐的餐厅，我们可以了解用户可能更喜欢的美食。同时，我们将知道用户更有可能探索的价格等级（高端，快餐，咖啡厅，休息室等）
他的朋友们会推荐一些可以承受更多重量的地方。有类似的非朋友用户推荐了一些用户推荐的餐馆，还有一些用户没有。
最终的问题是根据以下内容向用户推荐餐馆： 1）他推荐的（其他类似菜肴的餐厅） - 50％的重量 2）他的朋友推荐的内容（过滤餐厅，提供用户最喜欢的美食） - 25％的重量 3）'类似'非朋友用户的公开推荐 - 25％权重。
我花了很多时间阅读Neo4j，我认为Neo4j看起来很有前途。除此之外我尝试了pysuggest，但它不适合上述问题。我也试过reco4j，但它是一个基于Java的解决方案，而我正在寻找一个基于Python的解决方案。 Reco4j社区也没有任何活动，它仍处于开发阶段。
虽然我研究了很多，但我可能会错过一些东西。
我想知道您将如何实施上述解决方案？你能给出相同的用例吗？
答案 0 :(得分：0)
我认为你找不到任何开箱即用的解决方案，因为它非常具体。您可以使用Neo4j来存储您用于构建建议的所有数据（用户，友情链接，用户餐馆推荐和评论等），然后根据此数据构建推荐引擎。根据我的经验，一旦你在Neo4j（使用Cypher或Gremlin）获得所有数据，这是非常简单的。