Neo4j 做推荐 （3）—— 协同过滤_程序员imHou的博客-CSDN博客_neo4j 协同过滤算法
Neo4j 做推荐 （3）—— 协同过滤
程序员imHou
于 2018-10-12 14:58:40 发布
1756
收藏
分类专栏：
Neo4j
文章标签：
Neo4j
协同过滤
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lovehouye/article/details/83027137
版权
Neo4j
专栏收录该内容
12 篇文章
14 订阅
订阅专栏
协同过滤简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息
MATCH (m:Movie {title: "Crimson Tide"})<-[:RATED]-(u:User)-[:RATED]->(rec:Movie)
RETURN rec.title AS recommendation, COUNT(*) AS usersWhoAlsoWatched
ORDER BY usersWhoAlsoWatched DESC LIMIT 25
执行结果是：
分析：
此Cypher 语句的意思是：找出对电影《Crimson Tide》 进行过评分的用户，还对哪些电影进行过评分？并对这些被评分的电影，进行评分次数的累加并排名。
这就是通过简单的协同过滤，来看拥有相同兴趣的用户，他们还有哪些共同的喜好。
当然目前这样处理，还不够严谨，后续我们会添加更多的条件或者指标权重加以调整。
程序员imHou
关注
关注
点赞
收藏
打赏
评论
Neo4j 做推荐 （3）—— 协同过滤
协同过滤简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息MATCH (m:Movie {title: "Crimson Tide"})<-[:RATED]-(u:User)-[:RATED]->(rec:Movie)RETURN rec.title AS recommendation, COUNT(*) AS usersWhoAlsoWatchedOR...
复制链接
扫一扫
专栏目录
协同过滤（基于用户）的推荐系统.zip
06-02
这个是纯python写的基于用户的推荐系统，没有调用第三方库，值得大家推荐下载，可以深刻理解python基于用户的推荐系统。
matlab练习_基于用户的协同过滤过滤算法
最新发布
weixin_44355867的博客
12-01
43
基于物品的协同过滤算法（itemCF）matlab代码
参与评论
您还未登录，请先
登录
后发表或查看评论
Neo4j 做推荐 （10）—— 协同过滤（余弦相似度）
聊聊技术和工具，偶尔说说管理
10-29
2421
余弦距离：
Jaacard相似度对于比较电影很有用，实际上是比较两组（类型、演员、导演等）。但是对于电影评级，每个关系都有一个我们可以考虑的权重。
余弦相似度：
两个用户的余弦相似度将告诉我们两个用户对电影的偏好有多相似。具有高余弦相似度的用户将具有类似的偏好。
根据余弦相似度，找到与Cynthia Freeman 最相似偏好的用户。
// Most similar users u...
recommendation-neo4j:使用 Neo4J 演示基于简单项目的协作过滤器
06-23
使用 Neo4J 构建推荐引擎
演示幻灯片
幻灯片可以在查看
安装
要运行此代码，您需要安装几样东西：
go 二进制文件已提交到存储库，因此不需要编译它们来运行此项目。
运行！
make neo4j-restore
make up
有趣的密码查询
会话到 PageViews 到 Dogs
MATCH (s:MuxSession)-[:`HAS_VIEWED`]->(p:PageView)-[WITH_DOG]->(d:Dog) RETURN s,p,d
基于Neo4j图数据库的社交推荐系统研究与实现
分享日常的学习，开展的项目，编写的软件，解决的问题等~
01-26
2837
这是一个课程设计项目，要求研究一下非关系数据库，这里选用的是neo4j图数据库，查阅资料发现neo4j经常被用作社交的推荐系统，故简单设计了一个社交推荐系统并实现。
开发环境和框架
系统：Ubuntu 18.04 LTS
IDE：JetBrains Intelij IDEA
语言：Java 1.8
框架：SpringBoot 2.4.1，Thymeleaf，Bootstrap
交互技术：ajax
实现的功能
给用户提供一个与相同爱好者交流联系的平台，系统会通过你的标签，对哪些更加有兴趣，经过好友推荐.
Neo4j 做推荐 （9）—— 协同过滤（人群的智慧）
聊聊技术和工具，偶尔说说管理
10-29
1528
简单的协同过滤
MATCH (u:User {name: "Cynthia Freeman"})-[:RATED]->(:Movie)<-[:RATED]-(o:User)
MATCH (o)-[:RATED]->(rec:Movie)
WHERE NOT EXISTS( (u)-[:RATED]->(rec) )
RETURN rec.title, rec.year,...
Python期末大作业——采用Neo4j的基于协同过滤电影推荐系统.zip
08-23
包含项目完整源代码和电影数据集，代码大部分标有注释。
内附答辩PPT和项目文档以及操作说明文本。
python结合Neo4j图数据库实现协同过滤推荐(一)
血狼傲骨
02-22
1195
准备阶段一、项目概述二、Neo4j环境配置1、Neo4j简单介绍2、Neo4j安装方法三、Neo4j基本知识点1、添加操作2、删除操作3、修改节点4、查询操作四、Python操作Neo4j
一、项目概述
这个小项目主要想把之前做的一个数据结构可视化网站加上协同过滤推荐，从而达到初级的个性化学习。我将以一个网页版的对话机器来实现这个功能，项目所涉及的所有知识均会详细讲述，记录我学习经历的同时帮助要做相关项目的人少走弯路，总共分为八篇文章，可以通过下方链接进行访问。
python结合Neo4j图数据库实现协同过
Neo4j 做推荐 （12）—— 协同过滤（基于邻域的推荐）
聊聊技术和工具，偶尔说说管理
10-29
1303
kNN——K近邻
现在我们有了一种基于偏好查找类似用户的方法，下一步是允许每个k个最相似的用户投票选择应该推荐的项目。
主要有：
“与我的电影最相似的电影中有10个用户是谁？他们评价的电影有多高，我还没看过呢？”
使用Pearson相似度的kNN电影推荐
MATCH (u1:User{name:"Cynthia Freeman"})-[r:...
基于Neo4j的个性化推荐（二）
u010408586的专栏
12-23
395
Neo4j推荐算法实例
Neo4j 做推荐 （5）—— 基于类型的个性化建议
聊聊技术和工具，偶尔说说管理
10-29
2861
如果我们知道用户看过了哪些电影，我们可以使用此信息来推荐类似的电影：
// Content recommendation by overlapping genres
MATCH (u:User {name: "Angelica Rodriguez"})-[r:RATED]->(m:Movie),
(m)-[:IN_GENRE]->(g:Genre)<-[:IN_GENRE...
Neo4j 第十一篇：Cypher函数
albh81462的博客
05-31
462
Cypher函数是对图进行查询和操作的重要工具。
一，谓词函数
谓词函数返回true或者false，主要用于检查是否存在或满足特定的条件。
1，Exists
如果指定的模式存在于图中，或者特定的属性存在于节点、关系或Map中，那么函数返回True
例如，节点具有name属性，并check图中是否存在特定的模式：
MATCH (n)
WHERE exists(n.nam...
基于neo4j的图书推荐系统（包含neo4j的联网配置，服务器配置）
m0_45311187的博客
12-31
1263
neo4j 的配置 neo4j云服务器配置 阿里云腾讯云 图书推荐算法 neo4j图书推荐 neo4j推荐算法 neo4j上云 配置文件配置
neo4j学习笔记——过滤查询
08-23
1699
一、
基于Neo4j的个性化推荐（一）
u010408586的专栏
12-23
566
Neo4j的简单个性化推荐
图数据库Neo4j实现人脉推荐——二度人脉
终日思 < 须臾学
12-06
1万+
“吾尝终日而思矣，不如须臾之所学也；吾尝跂而望矣，不如登高之博见也。登高而招，臂非加长也，而见者远；顺风而呼，声非加疾也，而闻者彰。假舆马者，非利足也，而致千里；假舟楫者，非能水也，而绝江河。君子生非异也，善假于物也。”
业务需求：通过现有系统“好友关系”和“用户通讯录”数据，实现人脉推荐——二度人脉….六度人脉技术实现分析：
关系数据库（深度关联表,算死人）
图数据库（天然图关系，选择Neo4j）
Neo4j 做推荐 （11）—— 协同过滤（皮尔逊相似性）
聊聊技术和工具，偶尔说说管理
10-29
1349
皮尔逊相似性或皮尔逊相关性是我们可以使用的另一种相似度量。这特别适合产品推荐，因为它考虑到不同用户将具有不同的平均评分这一事实：平均而言，一些用户倾向于给出比其他用户更高的评分。由于皮尔逊相似性考虑了均值的差异，因此该指标将解释这些差异。
根据皮尔逊的相似度，找到与Cynthia Freeman最相似的用户
MATCH (u1:User {name:"Cynthia Freeman"})...
neo4j-neoclient-example之movies 推荐
Keep Learning
11-26
1230
neo4j-neoclient-example之movies 推荐
参考：https://github.com/ikwattro/neo4j-neoclient-example
1.git clone
git clone https://github.com/ikwattro/neo4j-neoclient-example
2. composer
推荐系统之协同过滤实现
木东的博客
08-04
1552
推荐系统的评测指标
为了评估推荐算法的好坏需要各方面的评估指标。
准确率
准确率就是最终的推荐列表中有多少是推荐对了的。
召回率
召回率就是推荐对了的占全集的多少。
下图直观地描述了准确率和召回率的含义
覆盖率
覆盖率表示推荐的物品占了物品全集空间的多大比例。
新颖度
新颖度是为了推荐长尾区间的物品。用推荐列表中物品的平均流行度度量推荐结果的新颖度。
neo4j中实现关键路径算法
咸鱼的小站
06-06
4355
写在前面：其实这是个未曾优化过的方法，故而仅供参考。 实现原理：寻找起点与终点间的全部路径，并且将权重（耗时）求和，排序获取其最大值，从而返回关键路径。 cql语句：其中需要修改的变量为node_label点表，edge_label边表，start_name、end_name起始、结束结点name属性的值（你可以用任意属性替换，只需要能够找到对应结点）。 PS：*表示任意...
图形数据库的优势是什么，以Neo4j为例子
热门推荐
飘过的春风
10-10
1万+
最近在抓取一些社交网站的数据，抓下来的数据用MySql存储。问我为什么用MySql，那自然是入门简单，并且我当时只熟悉MySql。可是，随着数据量越来越大，有一个问题始终困扰着我，那就是社交关系的存储。
就以新浪微博举例，一个大V少则十几万，多则几千万的粉丝，这些关注关系要怎么存呢？在MySql中，一条关注关系（大V id，大V的一个粉丝 id）存为一条数据，那么当用户数量上...
“相关推荐”对你有帮助么？
非常没帮助
没帮助
一般
有帮助
非常有帮助
提交
©️2022 CSDN
皮肤主题：成长之路
设计师：Amelia_0503
返回首页
程序员imHou
CSDN认证博客专家
CSDN认证企业博客
码龄16年
企业员工
62
原创
3万+
周排名
1万+
总排名
17万+
访问
等级
2003
积分
114
粉丝
46
获赞
17
评论
145
收藏
私信
关注
热门文章
Spring boot 中 Undertow 配置线程数
27771
国内几个免费的Git私有仓库
20825
【已解决】Could not initialize class sun.awt.X11FontManager
12129
Neo4j - Cypher 查询关系
12039
软件研发部经理岗位职责
6692
分类专栏
区块链
2篇
Solidity
2篇
智能合约
2篇
小技巧
2篇
小工具
Neo4j
12篇
Spring
3篇
Docker
3篇
管理
12篇
产品
1篇
Dart
5篇
微信
4篇
搜索
1篇
励志
14篇
读书
14篇
Python
1篇
大数据
2篇
最新评论
【已解决】Could not initialize class sun.awt.X11FontManager
玩家296508754:
yum -y install fontconfig， 安装fontconfig。 然后去网上下载一个ttf文件，拉到容器指定目录。再参考这个去初始化Font类就可以了https://blog.csdn.net/weixin_33691817/article/details/92550294
【已解决】Could not initialize class sun.awt.X11FontManager
程序员imHou:
换个镜像，尽量用完整版的，不要用阉割版的镜像就好了
【已解决】Could not initialize class sun.awt.X11FontManager
子丶叶:
遇到了这个问题，如果解决呢
您愿意向朋友推荐“博客详情页”吗？
强烈不推荐
不推荐
一般般
推荐
强烈推荐
提交
最新文章
解析简单的solidity安全数学计算库
解析简单的solidity重入保护合约
如何让360浏览器打开网站默认模式使用“极速”或者“兼容”
2022年2篇
2021年1篇
2020年1篇
2019年9篇
2018年63篇
2006年1篇
目录
目录
分类专栏
区块链
2篇
Solidity
2篇
智能合约
2篇
小技巧
2篇
小工具
Neo4j
12篇
Spring
3篇
Docker
3篇
管理
12篇
产品
1篇
Dart
5篇
微信
4篇
搜索
1篇
励志
14篇
读书
14篇
Python
1篇
大数据
2篇
目录
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
打赏作者
程序员imHou
你的鼓励将是我创作的最大动力
¥2
¥4
¥6
¥10
¥20
输入1-500的整数
余额支付
(余额：-- )
扫码支付
扫码支付：¥2
获取中
扫码支付
您的余额不足，请更换扫码支付或充值
打赏作者
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额
抵扣说明：
1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。 2.余额无法直接购买下载，可以购买VIP、C币套餐、付费专栏及课程。
余额充值