基于Cypher实现K近邻协同过滤推荐的问题排查

原查询的核心问题 #

• 冗余节点匹配：第一步获取的rating_u1未被使用，后续重复匹配u1的评分关系，导致逻辑混乱
• 距离计算失真：引入u2的所有评分数据，而非仅与u1的共同评分数据，欧氏距离计算错误
• 分组逻辑缺失：最终计算推荐得分时未正确按书籍分组，求和结果不符合预期

修正后的查询 #

// 1. 获取目标用户u1及其所有评分记录
MATCH (u1:User {user_id: 11927})-[r1:RATED]->(b:Book)
WITH u1, COLLECT({book: b, rating: r1.rating}) AS u1_ratings

// 2. 找到与u1共同评分至少5本的用户u2，收集共同评分对
MATCH (u2:User)-[r2:RATED]->(b:Book)
WHERE u2 <> u1
AND EXISTS((u1)-[:RATED]->(b))
WITH u1, u2, 
     COLLECT({u1_rating: [x.rating IN u1_ratings WHERE x.book = b][0], u2_rating: r2.rating}) AS common_ratings
WHERE size(common_ratings) >= 5

// 3. 计算欧氏距离与相似度，取Top10相似用户
WITH u1, u2,
     sqrt(sum((cr.u1_rating - cr.u2_rating)^2)) AS euclidean_distance
WHERE euclidean_distance > 0
WITH u1, u2, 1 / (1 + euclidean_distance) AS similarity
ORDER BY similarity DESC
LIMIT 10

// 4. 生成推荐：取相似用户评分过但u1未评分的书籍，计算加权得分
MATCH (u2)-[r:RATED]->(b:Book)
WHERE NOT EXISTS((u1)-[:RATED]->(b))
RETURN b.title, SUM(similarity * r.rating) AS recommendation_score
ORDER BY recommendation_score DESC
LIMIT 25

关键优化点 #

• 精准收集共同评分：通过匹配u1已评分的书籍，直接获取u2对这些书的评分，确保仅计算共同评分的差异
• 避免冗余计算：提前收集u1的所有评分，后续直接匹配共同书籍，减少重复遍历
• 正确分组求和：最终按书籍分组，将所有相似用户的加权评分累加，得到准确的推荐得分
• 过滤自身用户：添加u2 <> u1避免将目标用户自身纳入相似用户

内容的提问来源于stack exchange，提问作者Eliza