ArangoDB-基于图的推荐系统

Question

我正在使用ArangoDB，并且尝试使用它构建基于图形的推荐系统。

数据模型仅包含用户，项目和等级（边）。

因此，要使用katz度量来计算用户对电影的亲和力 。

最终我想这样做：

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

其结果是某种用户和项之间的亲和力 ， 加权与中间的评分和衰减通过定义的因子。

我试图在AQL中实现类似的功能，但它要么错误，要么太慢。 这样的算法在AQL中如何表现？

从性能的角度来看，基于图的推荐系统可能会有更好的选择。 如果有人提出建议（例如，项目等级或其他算法），那么在这里获得一些建议也将是不错的。

我喜欢这个话题，但有时我会陷入困境。

Answer 1

在下面，@start和@end是代表两个端点的参数； 为简单起见，我假设：

1. 最大允许路径长度为10000
2. “比率”是“边”集合的名称
3. “评级”是赋予边缘权重的属性名称
4. “阻尼”因数是根据要求

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