基於內容的過濾(content-based filtering)：該技術通過比較商品之間的相似性或者相關性進行推薦。這種方式忽略使用者的購買行為，只考慮商品之間的相似關係。
match p=(m:movie )-[:acted_in|:in_genre|:directed*2]-()
return p limit 25
分析：cypher 語句的意思是：找出25條記錄，該記錄滿足以下條件之一：
1. 該記錄中的電影是電影m 有相同的流派（in_genre）
2. 出演過電影m的演員，出演過該電影（acted_in）
3. 執導過電影m的導演，執導過該電影（directed）
注意：此語句返回的記錄p，是一條關係鏈，並不僅僅是某一部電影。
另外，關係的運算，用到了 | 或。:directed*2 中的 *2 表示關係長度為2的關係。
這裡舉個例子：
match p=(m:movie )-[:directed]-() return relationships(p) as r
返回結果：
╒════╕
│"r" │
╞════╡
│[{}]│
└────┘
match p=(m:movie )-[:directed*2]-() return relationships(p) as r
返回結果：
╒═══════╕
│"r" │
╞═══════╡
│[{},{}]│
├───────┤
│[{},{}]│
├───────┤
│[{},{}]│
├───────┤
│[{},{}]│
└───────┘
match p=(m:movie )-[:directed*]-() return relationships(p) as r
返回結果：
╒═══════╕
│"r" │
╞═══════╡
│[{}] │
├───────┤
│[{},{}]│
├───────┤
│[{},{}]│
├───────┤
│[{},{}]│
├───────┤
│[{},{}]│
└───────┘
Neo4j 做推薦 （6） 加權內容演算法
除了考慮計算相似性的型別之外，還有更多的特徵，如演員和導演。讓我們使用加權總和根據他們共同的演員 流派和導演的數量對建議進行評分，以提高分數。根據重疊特徵的數量和型別計算加權和 find similar movies by common genres match m movie where m.ti...
neo4j安裝 基於Neo4j的知乎關係爬蟲
首先交代一下爬蟲所用到的資料庫和環境 neo4j使用類似sql的查詢語言cypher，關於cypher的使用和簡單demo，可以參考cypher查詢語言 neo4j中的sql。當然，為了減少學習cypher的時間成本，我在python環境中安裝了py2neo，pip install py2neo。p...
Neo4j學習（2） Win系統安裝Neo4j
neo4j 是目前最流行的圖形資料庫，支援完整的事務，在屬性圖中，圖是由頂點 vertex 邊 edge 和屬性 property 組成的，頂點和邊都可以設定屬性，頂點也稱作節點，邊也稱作關係，每個節點和關係都可以由乙個或多個屬性。neo4j建立的圖是用頂點和邊構建乙個有向圖，其查詢語言cypher...