如何基于图数据库中不同边的属性实现推荐系统计算？

核心思路 #

通过关联用户-分类、产品-分类的RATING边，获取对应分类下的双方评分，代入公式完成计算：
(Σ(用户分类评分 × 产品分类评分)) / (分类数量 × 最大评分)

具体Cypher查询 #

针对指定用户和产品的查询

MATCH (user:Person {name: 'Abigail'})-[ur:RATING]->(cat:Category),
      (product:Product {title: 'Product_Name'})-[pr:RATING]->(cat)
WITH user, product, 
     SUM(ur.rating * pr.rating) AS total_product,
     COUNT(DISTINCT cat) AS num_categories,
     4 AS max_rating -- 按你的评分体系固定最大分值，也可改为MAX(ur.rating)动态获取
RETURN user.name AS username,
       product.title AS product_title,
       total_product / (num_categories * max_rating) AS preference_score

通用批量查询

如果需要计算所有用户对所有产品的偏好度，去掉节点属性过滤条件即可：

MATCH (user:Person)-[ur:RATING]->(cat:Category),
      (product:Product)-[pr:RATING]->(cat)
WITH user, product, 
     SUM(ur.rating * pr.rating) AS total_product,
     COUNT(DISTINCT cat) AS num_categories,
     4 AS max_rating
RETURN user.name AS username,
       product.title AS product_title,
       total_product / (num_categories * max_rating) AS preference_score

查询说明 #

1. 关联评分关系：通过共同的Category节点，精准匹配同一分类下用户与产品的评分边，确保数据对应性。
2. 聚合关键数值：
   • SUM(ur.rating * pr.rating)：计算所有分类下用户评分与产品评分的乘积总和
   • COUNT(DISTINCT cat)：统计参与计算的有效分类数量
   • max_rating：根据你的评分规则设置，例子中固定为4，若评分体系可变可改用MAX(ur.rating)动态获取
3. 计算最终偏好度：代入公式得到结果，数值越接近1（或对应最大评分比例），表示用户对该产品的购买意愿越强。

结果验证 #

针对你给出的实例，查询会返回：

username | product_title | preference_score
Abigail  | Product_Name  | 0.3333333333333333

与手动计算的结果完全一致。

内容的提问来源于stack exchange，提问作者Matheus Farias