基于机器学习的即时推荐引擎架构.pptxVIP

;推荐引擎的即时性、精准性、相关性是大数据时代网络营销的成功秘诀。;Category;;什么是“图”数据库？;;;;;提高精准度需要借助相关知识(Context);;;应用实例–Meetup活动推荐;有效的推荐：匹配感兴趣的主题;替代的路径;Cypher：图数据库查询语言;Cypher：创建节点和关系;Cypher：匹配图模式;Meetup活动推荐–推理和发现(续);Meetup活动推荐–推理和发现(续);;;;基于协同的规则

共同参加的活动，余弦相似度，Jaccard相似度,Dice相似度,...

基于内容的规则

属于同一领域的其他主题和活动，例如“关系数据库”兴趣组，可以推荐“建模”、“SQL”、“JDBC”

特定规则

最多人参加的活动、新活动、特邀嘉宾出席的活动等

综合各种规则的系统;;Meetup活动推荐–进一步的改进(续);Meetup活动推荐–进一步的改进(续);Meetup活动推荐–进一步的改进(续);;;基于实际数据进行训练:

用户接受度：因果关系;那为什么以前在机器学习中没有见到过图数据库？;;;;总 结

基于图数据库实现机器学习

数据模型的一致性

性能优势，因为无须做连接(JOIN)

丰富的语义和关系

图论算法

模型的灵活性

结合图数据库和机器学习，使得实现即时、精准、相关性高的推荐引擎成为可能。;;