适用于电子商务网站的推荐算法，并使用neo4j图形数据库解决。

Question

我将使用neo4j图形数据库在我的电子商务网站上实现产品推荐。 推荐将基于用户对产品的操作。 操作将是：

   - Product View , 
   - Rating ,
   - Read book
   - Download book , 
   - Purchase , 
   - Add to card , 
   - Review , 
   - Share
   - Some more action applicable to our site.

图形结构将为：

用户（节点）

• ID
• 时间戳

产品（节点）

• 名称
• 时间戳

动作（用户和产品节点之间的关系）

• 权重（根据动作给定，例如：购买：10，查看：1等）
• 时间戳（动作发生的时间）

稍后我将在用户节点之间添加社交关系。

从我的初步分析中，我在互联网上找到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

我的问题是确定在我的电子商务网站中哪些方法适用并可以使用neo4j图数据库解决（基于上述模型）。

- krishnaraj vr

---

你有没有得到任何有用的链接来开始启动？ - Sachin Vairagi

Answer 1

您的问题更多涉及数据科学而不是如何实现某些东西。那么我会指向Data Science StackExchange。

如果您想为电子商务实现推荐引擎，我强烈建议使用GraphAware Reco。这是一个基于Neo4j创建推荐引擎的框架。

以下是基于GraphAware Reco的基本推荐引擎脚手架 - https://github.com/graphaware/recommendations-meetup

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

- MicTech