ArangoDB - 基于图形的推荐系统

Question

我正在使用ArangoDB，我正在尝试用它构建一个基于图形的推荐系统。

数据模型仅包含用户，项目和评级（边缘）。

因此，想要使用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

结果是用户和项目之间的某种亲和力，用中间评级加权并且由定义的因子阻尼。

我试图在AQL中实现类似的东西，但它要么是错误的要么是太慢了。这样的算法如何在AQL中看到？

从性能的角度来看，基于图形的推荐系统可能有更好的选择。如果有人有建议（例如项目排名或其他算法），那么在这里得到一些想法也会很好。

我喜欢这个话题，但有时我会到达我的边界。

Answer 1

在下文中，@ start和@end是表示两个端点的参数;为简单起见，我假设：

1. 最大允许路径长度为10000
2. “rates”是“edge”集合的名称
3. “rating”是赋予边缘权重的属性的名称
4. “阻尼”因子符合要求

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