基于Python的协同过滤推荐引擎

Question

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

Answer 1

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