ArangoDB - 基於圖表的推薦系統

Question

我正在使用ArangoDB我試圖建立一個基於圖形的推薦系統。

數據模型只包含用戶，項目和評級（邊緣）。

因此想要計算用戶對電影的親和力，其中katz度量。

最後，我想這樣做：

Get all (or a certain number of) paths between a user and a item 
For all of these paths do the following: 
    Multiply each edge's rating with a damping factor (e.g. 0.7) 
    Sum up all calculated values within a path 
Calculate the average of all calculated path values 

結果是某種親和力用戶與項目之間，加權與中介評級和通過定義的因子衰減的。

我試圖在AQL中實現類似的東西，但它不是錯就是太慢。這樣的算法怎麼可能在AQL？

從性能角度來看，基於圖的推薦系統可能會有更好的選擇。如果有人有建議（例如物品等級或其他算法），那麼在這裏得到一些想法也很好。

我喜歡這個主題，但有時我會到達我的邊界。

Answer 1

以下，@start和@end是代表兩個端點的參數;爲簡單起見，我認爲：

1. 最大允許路徑長度爲10000
2. 「速度」是「邊緣」收集
3. 「評級」是屬性的名稱給人的名字的權重的邊緣
4. 了「阻尼」的因素是按要求

FOR v,e,p IN 0..10000 OUTBOUND @start rates 
    OPTIONS {uniqueVertices: "path"} 
    FILTER v._id==@end 
    LET r = AVERAGE(p.edges[*].rating) * 0.7 
    COLLECT AGGREGATE avg = AVERAGE(r) 
    RETURN avg