我开发了一个餐馆搜索引擎。我有一个社交网络,用户可以在其中添加朋友,组成小组,互相推荐餐馆。每家餐厅可供应多种菜肴。所有这些都是用Python编写的。在
因此,根据用户推荐的餐厅,我们可以将注意力集中在用户可能更喜欢的菜系上。同时,我们会知道用户更倾向于探索哪个价位(高端、快餐、咖啡厅、休息室等)
他的朋友会推荐一些更有分量的地方。也有类似的非朋友用户推荐了一些用户推荐的餐馆,还有一些用户没有推荐的餐馆
最终的问题是根据以下因素向用户推荐餐厅: 1) 他推荐的(其他有类似菜系的餐馆)-50%的重量 2) 他的朋友推荐的(过滤用户最喜欢的菜系的餐馆)-25%权重 3) “类似”非好友用户的公开推荐-25%权重。在
我花了很多时间阅读Neo4j,我认为Neo4j看起来很有前途。除此之外,我尝试了pysugger,但它不适合上述问题。我也尝试过reco4j,但它是基于Java的解决方案,而我正在寻找基于Python的解决方案。Reco4j社区也没有任何活动,目前仍在开发中。在
虽然我研究了很多,但我可能错过了一些东西。在
我想知道你将如何实施上述解决方案?你能给我们一些相同的用例吗?在
我认为你找不到任何现成的解决办法来解决你的问题,因为它很具体。使用Neo4j可以做的是存储所有用于建立推荐的数据(用户、友谊链接、用户的餐厅推荐和评论等),然后根据这些数据构建推荐引擎。根据我的经验,一旦你用Neo4j(或者用Cypher或Gremlin)获得所有数据,就很容易做到。在
相关问题 更多 >
编程相关推荐