neo4j avec bac à sable partie 13

Aperçu

J'ai essayé sandbox avec neo4j. movielens, je l'ai essayé. J'ai fait une recommandation.

Films recommandés avec similitude cosinus.

MATCH (p1:User {id:21})-[x:RATING]->(m:Movie)<-[y:RATING]-(p2:User)
WITH COUNT(m) AS numbermovies, 
	SUM(x.rating * y.rating) AS xyDotProduct,
	SQRT(REDUCE(xDot = 0.0, a IN COLLECT(x.rating) | xDot + a ^ 2)) AS xLength,
	SQRT(REDUCE(yDot = 0.0, b IN COLLECT(y.rating) | yDot + b ^ 2)) AS yLength,
	p1, 
	p2 
WHERE numbermovies > 10
WITH p1, 
	p2, 
	xyDotProduct / (xLength * yLength) AS sim
ORDER BY sim DESC 
LIMIT 10
MATCH (p2)-[r:RATING]->(m:Movie) 
WHERE NOT EXISTS((p1)-[:RATING]->(m))
RETURN p1.name, 
	p2.name, 
	m.title, 
	SUM(sim * r.rating) AS score
ORDER BY score DESC 
LIMIT 5

résultat de l'exécution python

title   score
Shawshank Redemption, The (1994)  29.503255423721242
MUR ensemble E(2008)  26.663597071412074
Inglourious Basterds (2009)  25.151535146327763
Whiplash (2014)  17.84941121812618
Shutter Island (2010)  16.417668233642118


c'est tout.

Recommended Posts

bac à sable avec neo4j partie 5
neo4j avec bac à sable partie 13
neo4j avec bac à sable partie 15
neo4j avec bac à sable partie 16
bac à sable avec neo4j partie 11
bac à sable avec neo4j partie 10
datetime partie 1
numpy partie 1
argparse partie 1
numpy partie 2