图数据库i2i召回

在现代的大数据时代，数据量呈指数级增长，如何快速高效地召回所需数据成为了一个重要的问题。传统的关系型数据库，在处理数据量大、数据结构复杂、关系复杂的场景下，性能往往受到限制。因此，图数据库的应用变得越来越普遍，而i2i召回作为其中重要的应用场景，是个关键词。

一、i2i召回是什么

i2i召回，全名Item to Item 召回，是指在一个大规模的推荐系统中，基于当前用户的操作记录，找到和当前用户所操作的商品相似的其它商品。比如电商网站中，用户A购买了商品1，那么在用户A下一次进入网站的时候，推荐系统就有可能向A推荐和商品1相似的商品2、商品3等等。

二、为什么使用图数据库

首先，对于i2i召回来说，需要考虑的因素很多。比如，需要处理的商品数量，商品属性的维度和数量，商品间的关系等等。在处理这些关系上，图数据库比传统的关系型数据库表现更加优异。

其次，图数据库天生擅长处理图论上相关的问题， 如最短路径、广度/深度优先搜索等等，而i2i召回正是面临这些问题。

最后，图数据库具备高效的数据存储和查询能力，拥有快速索引，可快速扫描大规模的图结构。这一点对i2i召回尤为重要。

三、图数据库中的i2i召回

3.1 图模型的构建

i2i召回的实现，离不开底层的图模型，同时也要考虑不同的模型对查询性能的影响。

通过构建具有明确的节点和关系的图模型来捕获i2i之间的相似性。节点可以是商品，用户，分类，品牌等对象，关系可以是购买，浏览，加入购物车等动作。

构建图模型