我正在尝试建立一个推荐的书籍网站。我已经抓取了一些图书网站，并且在数据库中有大约1500万册单独的书籍，这些书籍位于 neo4j 。
现在对于某些类型，如神秘和惊悚，至少有大约100万本书。我必须列出前20名的建议清单。我目前的做法 -
价格昂贵，需要时间，对实时系统来说并不是很好。我想通过将neo4j链接到传统数据库并通过neo4j从该数据库中获取最高数据库来保留每个类型的排序列表。但这也很慢（需要几十秒）。有更简单，更直观的方法吗？任何想法都会有所帮助。
答案 0 :(得分：2)
最好知道您希望建议的其他标准，例如：你究竟如何衡量书籍之间的相似性。我假设它不是纯粹基于流派的。
我们对这些密集节点（例如您的类型或人们居住的城市等）采取的一种方法是首先根据其他一些标准找到建议，然后提高建议的相关性得分（如果它）连接到正确的密集节点。这样的查询效率更高。
例如，当推荐20个人你应该成为朋友时，我会根据所有其他标准找到100个候选人，然后提高与我们推荐的用户生活在同一位置的候选人的分数。这是100次单跳遍历，这将非常快。
看看this recent webinar recording，你可能会在其中找到一些灵感。
关于相似性度量，可能需要预先计算这些度量，通过SIMILAR_TO关系将类似的书籍链接在一起。这样的预计算可以使用Runtime的GraphAware Framework来完成，NodeRank仅在安静时段执行此背景计算，因此不会干扰您的常规事务处理。查看{{3}}模块，该模块在静默期间计算Neo4j中的PageRank。