【Neo4j学习】应用案例( 三 ) _neo4j

MATCH n=shortestPath((小讯:朋友圈{姓名:"小讯"})-[*..6]-(小锐:朋友圈{姓名:"小锐"})) return n
两个陌生人之间的所有最短认识路径
MATCH n = allshortestPaths((小讯:朋友圈{姓名:"小讯"})-[*..6]-(小菲:朋友圈{姓名:"小菲"})) return n
根据节点的影响力或者及其它属性来制作推荐系统
不知道，大家有没有思考过，B站、淘宝，QQ等等这些软件是怎么作推荐系统的。比如：B站，每一个Up主在上传视频的时候都要选好投稿区，类型，关键字标签。这样就已经完成了数据的分类。你如果经常看官延区，那么你来官延区的频度一定很大，那么可以给你推荐这些视频，再根据Up主的影响力（节点的大小）来给你推荐。当然他们肯定还使用了许多机器学习的算法。在我看来，也可以使用Neo4j做一个简单的推荐功能。
比如做一个小小的书籍推荐。在创建节点的时候，我顺便创建了他们喜欢的书的类型（你会发现，你用一些app时，你一件事就是让你确定喜好）。
结合第二个案例的数据：
MATCH (n:朋友圈),(m:Books2) where n.喜欢的书类 = m.kinds and toInt(m.Rate)>4create (m)-[r:推荐]->(n) return m,r,n
这里我们做了一件事，就是根据大家填上来的喜好书籍类型，我们挑选出评分大于4的书籍给他们。
并且从图中可以很容易发现，越是推荐书籍密集的相近的人，他们就具有相同的爱好。比如小齐和小锐，从图中还能发现，两个人并不是直接认识的。根据这一点，我们就可以介绍小锐和小齐认识交流。
由此，我们完成了两层推荐。一个是书籍的推荐，一个是朋友的推荐。但是，实际运用中肯定不会这么草率和简单，考虑的肯定会更加详细。这里只是做一个简单的抛砖引玉。
【基于Neo4j的重点人超级关系分析应用探索】
基于sql查询框架：
【基于图数据库的电影知识图谱应用研究】
【基于图数据库的文献检索方法优化与实现】
【基于知识图谱的健康医疗知识推送系统】
介绍见file:///E:/论文/Neo4j/
neo4j有社区版本和企业版。社区版本是免费的，只支持单机版；企业版是付费的，是分布式的。整理了一些不错的参考资料分享给大家。
是类似SQL的查询语言，支持做基础的图挖掘项目，属于轻量级。腾讯的QQ、微信社交关系挖掘，是基于spark的做计算引擎，Hbase来存储关系链。
neo4j可以做推荐引擎、基于图的搜索、社交关系挖掘等，具体可以参考官网的介绍，neo4j+storm可以做实时的图挖掘，欺诈监测等；neo4j+spark，spark做关系链的抽取、数据的ETL，然后存储到neo4j，可以做进一步的图挖掘。
(storm neo4j )
(中文版本SNS关系应用)
【【Neo4j学习】应用案例】(银行欺诈监测)
(信用卡欺诈监测)
(电影推荐，基于KNN和余弦相似)
(维基百科，图搜索)
(维基百科的数据导入neo4j并提取关系链)
(法国巡回赛数据分析)
(mysql 到 neo4j)
(自定义数据格式导入)
(传统的关系数据库到neo4j)
( an SQL db to Νeo4j graph db)版本
（关系数据库数据的批量导入）