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)。