我正在嘗試製作書籍的推薦網站。我已經抓取了一些書籍站點，並且在DB中有大約1,500萬冊單獨的書籍，其在neo4j中。neo4j中針對大型數據集的基於內容的記錄系統
現在對於一些流派，如神祕和驚悚片，至少有一百萬本書。我必須列出前20名的建議。我現在approach-
價格昂貴，而且需要時間，不是爲好一個實時系統。我認爲通過將neo4j鏈接到傳統的數據庫並通過neo4j從該數據庫獲取最高的數據庫，可以保持每個流派的排序列表。但這也很慢（需要幾秒鐘）。有沒有更簡單，更直觀的方法來做到這一點？任何想法都會有幫助。
很高興知道您希望根據您的建議採取哪些其他標準，例如，你如何衡量書籍之間的相似度。我假設它不是基於流派的。
我們一直在使用這些密集節點（例如您的流派，或居住在城市的人等），我們首先根據其他標準找到建議，然後提高建議的相關性分數if它連接到正確的密集節點。這樣的查詢性能要高得多。
例如，當推薦20個人時，您應該成爲朋友，我會根據所有其他標準找到100個候選人，然後提高與我們推薦的用戶居住在相同位置的候選人的分數。這是100單跳遍歷，這將是非常快速的。
看看this recent webinar recording，你可能會發現它的一些靈感。
關於相似性度量，這些可能需要預先計算，通過SIMILAR_TO關係將類似書籍連在一起。這樣的預計算可以使用GraphAware Framework的Runtime完成，它只在靜默期間執行此背景計算，因此不會干擾您的常規事務處理。查看NodeRank模塊，該模塊在靜默期間計算Neo4j中的PageRank。