2

私はArangoDBを使用しており、それを使用してグラフベースの推奨システムを構築しようとしています。

データ モデルには、ユーザー、アイテム、および評価 (エッジ) のみが含まれます。

したがって、 katz 尺度を使用して、映画に対するユーザーの親和性を計算したいと考えています。

最終的に私はこれをしたい:

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

その結果、ユーザーとアイテムの間にある種の親和性が生まれ、中間評価で重み付けされ、定義された係数で減衰されます。

私はAQLでそのようなことを実現しようとしていましたが、それは間違っていたか遅すぎました. このようなアルゴリズムはAQLでどのように見えるでしょうか?

パフォーマンスの観点からは、グラフ ベースのレコメンダー システムの方が適している可能性があります。誰かが提案 (例: アイテム ランクやその他のアルゴリズム) を持っている場合は、ここでアイデアを得るのもいいでしょう。

私はこのトピックが大好きですが、時々自分の境界線にたどり着きます。

4

1 に答える 1