在Python中使用协作过滤的推荐引擎

Question

我开发了一个餐馆的搜索引擎。我有一个社交网络，用户可以添加朋友和表单组，并向对方推荐餐馆。每家餐厅都可以供应多种美食。所有这些都在Python中。

因此，根据用户推荐的餐厅，我们可以根据用户的喜好来选择更多种类的美食。同时，我们将知道用户更有可能探索的价格层次（高端，快餐，咖啡厅，休息室等）

他的朋友会推荐一些会带来更多重量的地方。有类似的非好友用户推荐了一些用户推荐的餐厅，还有一些用户没有推荐的餐厅。

最终的问题是基于为您推荐餐馆给用户： 1）他建议什么（具有类似的美食其他餐厅） - 他有什么朋友都建议50％的权重 2）（滤波餐厅，提供的美食用户喜欢最多） - 25％的权重 3）“类似”非好友用户的公开推荐 - 25％的权重。

我花了很多时间阅读Neo4j，我认为Neo4j看起来很有希望。除此之外，我尝试了pysuggest，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，而我正在寻找一种基于Python的解决方案。 Reco4j社区也没有活动，它仍在开发中。

虽然我研究了很多，但我可能会错过某些东西。

我想知道你将如何去执行上述解决方案？你能给同样的用例吗？

Answer 1

我认为你不会为你找到任何现成的解决方案问题，因为它非常具体。你可以用Neo4j做什么，就是存储你用来建立推荐的所有数据（用户，友谊链接，用户的餐厅推荐和评论等），然后建立你的推荐引擎来处理这些数据。根据我的经验，一旦您在Neo4j中获得所有数据（无论是使用Cypher还是Gremlin），都很简单。