使用CouchDB建模用户偏好/建议

Question

我正在使用两个基本实体的推荐系统：用户和对象。将基于现有用户数据预先计算用户相似性度量。然后，当各种用户“标记”对象时，将向每个用户推荐对象（基于类似用户标记的内容）。

我是NoSQL的新手，并且不确定建模用户标志事件的最佳方式是什么，以及b）用户特定的建议。对我来说，两个选项显而易见：

1）“重量级”选项：将所有相关数据存储在主要对象中。 E.g：

UserA
    FlaggedItems
        FlaggedItemA
        FlaggedItemB
        FlaggedItemC
    RecommendedItems
        RecommendedItemA
        RecommendedItemB
        RecommendedItemC

或：

ItemA
    FlaggedBy
        UserA
        UserC
        UserR
    RecommendedTo
        UserB
        UserD
        UserX

2）“轻量级”选项：在粒度对象中存储“Flag”和“Recommendation”数据。 E.g：

FlagEvent
    FlaggedBy
        UserA
    FlaggedItem
        ItemA
    DateTime

RecommendationEvent
    RecommendationTo
        UserC
    RecommendedItem
        ItemB
    DateTime

我的假设是轻量级方法将更具可扩展性，因为用户/项目对象不会被不断修改，客户端同步将涉及获取用户特定的FlagEvents和RecommendationEvents，并且多个用户不可能尝试同时修改同一个对象。但我是CouchDB / noSQL的新手，欢迎来自更有经验的用户的想法。你会建议什么？

Answer 1

通常，FlagEvent和RecommendationEvent系统最像典型的CouchDB模型。

根据建议，每个“事件”都有一个文档是整洁的，因为用户的大图建议摘要可能是这些事件的减少。 “这是你的最佳推荐。这里有一些你可能会喜欢的。”这样的事情。

通过添加，更改或删除单个“原子”推荐项，可以影响最终输出。

同样，拥有一个标志事件的方式也是一样的。通常，标志（或“喜欢”，或“+1”或其他）对于用户和项目是唯一的。因此，您可以使用_id来存储类似username eventid对的内容。然后就不可能标记两次，因为每个用户/项目组合都有1个且只有1个文档来表示该标志。为用户创建或删除标记/取消标记的文档。

显然，您最了解您的数据。但这些是我的第一个想法。当然，当有人说“推荐引擎”时，人们通常会立即想到“图形数据库”而不是“文档数据库” - 但我不知道任何基于开源图形数据库的高调推荐引擎（还是）。