我计划使用 neo4j 图形数据库在我的电子商务网站中实现产品推荐。
推荐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.
图结构将是
用户(节点)
产品(节点)
操作(用户和产品节点之间的关系)
稍后我将添加 User 节点之间的社交关系。
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多余或错误分类(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所有方法都适用于我的电子商务网站,并且可以使用 neo4j 图形数据库(基于上述模型)来解决。
最佳答案
您的问题更多是关于数据科学,而不是如何实现。然后我把你指向 Data Science StackExchange .
如果您想为电子商务实现推荐引擎,我强烈建议您使用 GraphAware Reco .这是在 Neo4j 之上创建推荐引擎的框架。
这是基于 GraphAware Reco 的基本推荐引擎的脚手架 - https://github.com/graphaware/recommendations-meetup
如果您的应用程序基于 PHP,您可以使用 GraphAware reco4php
关于neo4j - 适用于电子商务网站的推荐算法,使用neo4j图数据库解决,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25498581/