马超的博客

基于图数据库的菜品推荐系统基于图数据库的菜品推荐系统一、菜品主材提取二、数据结构三、系统架构Here’s the table of contents:基于图数据库的菜品推荐系统    本文来自社区专家pangguoming分享的图数据库应用案例：使用Neo4j和简单分词算法实现菜品推荐系统，全文内容如下：    背景:本推荐系统基于一款硬件产品–旺小宝桌牌。客人按下点餐按钮，扫码进入点餐界面，然后开始点自己喜欢的菜

需要解决的问题：局部图谱规模达到百万级别之后多层关系遍历出现性能问题；CYPHER使用CONTIANS关键字检索性能太差。取得的成果：通过下述方式进行优化之后，关系分析查询耗时从原来的30s左右，降低到ms级别；关键字检索耗时降低到ms级，已经可以满足业务需求。互动网络分析优化一、优化互动网络加载局部图谱数据规模百万级别，总体数据规模达到亿级别原始查询<!--耗时：都在3...

协同过滤常常被用于分辨某为特定顾客可能感兴趣的东西，这些结论来自于对其他相似顾客对哪儿些产品感兴趣的分析。协同过滤以其出色的速度和健壮性，在全球互联网领域炙手可热。 算法简介 电子商务推荐系统的一种主要算法。 协同过滤推荐（Collaborative Filtering recommendation）是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐

日志分析系统的模块组成以及对应的开源技术 日志分析系统有以下两类：离线日志分析系统：日志收集（scribe,flume等），日志存储（hdfs等）,日志离线计算（mapreduce、hive、pig,spark sql 等）实时日志分析系统：日志收集（scribe,flume等），消息队列（RabbitMQ、kafka等），实时计算框架（storm、spark streaming等）

基于NEO4J图模型的列表推荐一、潜在可能认识的人排序列表二、对可能认识的人进一步筛选三、业务查询和存储过程的编写一、潜在可能认识的人排序列表六度关系以内人脉网络-（只返回账号类型节点）(用户页面触发式接口)（排序：根据关系层数排序）1、首先加载与当前节点相连接的6层以内所有节点。2、寻找当前节点与上一步加载节点的所有最短路径，并过滤出满足特定条件的所有节点。3、计算当前节点与所有节点的...

基于目标群体的潜在人物挖掘一、目标群体中存在潜在关系的人物挖掘二、案例测试一、目标群体中存在潜在关系的人物挖掘目标：通过对当前多个节点的标签、关系、属性的分析，从社交图谱中挖掘与目标群体关系紧密的潜在人物。1、遍历路径拿到与目标人群有关联的所有人2、计算潜在人与目标群体关系紧密度得分，并将得分更新到属性3、使用targetGroupPersonDiggerRelaCount属性排序（...

全源最短路径的应用一、最短路径-CYPHER自带函数二、全源最短路径-neo4j-graph-algorithms算法包1、isFinite函数的使用2、将图形作为无向图处理3、大图运算三、通过全源最短路径算法寻找路径紧密度排序1、路径R的权值设置2、增加存储过程3、使用关系属性COST计算DISTANCE4、使用距离默认值计算DISTANCE一、最短路径-CYPHER自带函数输入：两个节点...

基于社交图谱的多层关系挖掘推荐一、需求分析1、推荐功能2、亲密度衡量标准3、实现思路二、案例测试1、准备样例数据2、构建查询3、优化一、需求分析1、推荐功能根据多层人员互动类关系，推荐社交联系最紧密的前N个人。2、亲密度衡量标准通过互动类关系统计。3、实现思路1、从查询路径获取关系变量R单独过滤PATH（自定义过滤函数）2、收集结果节点NODES并分别统计目标节点与源节点的社交关系...