来源：Rajat Kanugo
编译：活水智能
这篇文章详细介绍了如何使用 Neo4j 构建推荐系统。重点是基于用户的阅读历史和评分推荐电影。内容涵盖了 Neo4j 的设置、通过 Neo4j 对象图映射器（Neo4j-OGM）将数据映射到 Java 中，以及编写用于推荐的 Cypher 查询。此外，还包括如何设置和使用 Neo4j 的云托管数据库服务 Neo4j Aura 的指导。
设置您的环境
1. 安装 Neo4j：
• 本地：下载并安装 Neo4j Desktop（https://neo4j.com/download/）。
• 云端：注册 Neo4j Aura（https://neo4j.com/product/auradb/） 并创建一个数据库实例。
2. 添加 Neo4j-OGM 依赖项：如果您使用 Maven，请将 Neo4j OGM 添加到您的 pom.xml 中：
<dependency>
<groupId>org.neo4j</groupId>
<artifactId>neo4j-ogm-core</artifactId>
<version>3.2.31</version>
</dependency>
3. 配置 Neo4j-OGM：设置 neo4j-ogm.properties 或通过编程方式进行配置：
dbms.url=bolt://localhost:7687
dbms.username=neo4j
dbms.password=password
向 Neo4j 添加数据
我使用 Neo4j 浏览器将数据添加到 Neo4j 数据库中。这涉及手动输入 Cypher 查询来创建节点和关系。例如：
CREATE (u2:User{id:2, name:'Bob'})
// Create Movies
CREATE (m1:Movie{id:1, title:'Inception', genre:'Sci-Fi', rating:9})
CREATE (m2:Movie{id:2, title:'The Matrix', genre:'Sci-Fi', rating:8})
CREATE (m3:Movie{id:3, title:'The Godfather', genre:'Drama', rating:10})
// Create Relationships
MATCH (u1:User{name:'Alice'}),(m1:Movie{title:'Inception'})
CREATE (u1)-[:LIKES]->(m1)
MATCH (u2:User{name:'Bob'}),(m2:Movie{title:'The Matrix'})
CREATE (u2)-[:LIKES]->(m2)
使用 Neo4j-OGM 映射您的数据
1. 定义 Java 类：创建映射到 Neo4j 节点和关系的 Java 类。例如，对于一个电影推荐系统：
@NodeEntity
publicclassUser{
@Id@GeneratedValue
privateLong id;
privateString name;
@Relationship(type ="LIKES", direction =Relationship.Direction.OUTGOING)
privateSet<Movie> likedMovies =newHashSet<>();
}
@NodeEntity
publicclassMovie{
@Id@GeneratedValue
privateLong id;
privateString title;
privateString genre;
}
2. 设置 Neo4j-OGM 配置：创建一个配置类来处理连接：
import org.neo4j.ogm.config.Configuration;
import org.neo4j.ogm.session.Session;
import org.neo4j.ogm.session.SessionFactory;
publicclassNeo4jConfig{
privatestaticfinalString URL ="bolt://localhost:7687";
privatestaticfinalString USER ="neo4j";
privatestaticfinalString PASSWORD ="password";
privateSessionFactory sessionFactory;
publicNeo4jConfig(){
Configuration configuration =newConfiguration.Builder()
.uri(URL)
.credentials(USER, PASSWORD)
.build();
this.sessionFactory =newSessionFactory(configuration,"your.package");
}
publicSession getSession(){
return sessionFactory.openSession();
}
}
从 Java 执行 Cypher 查询的代码
要执行推荐电影的 Cypher 查询，您可以使用 Neo4j 的 Java 驱动程序。确保您已将 Neo4j Java 驱动程序依赖项添加到您的 pom.xml 中：
<dependency>
<groupId>org.neo4j.driver</groupId>
<artifactId>neo4j-java-driver</artifactId>
<version>5.1.0</version>
</dependency>
以下是一个简洁的 Java 类，用于执行 Cypher 查询以获取推荐的电影：
import org.neo4j.driver.AuthTokens;
import org.neo4j.driver.Driver;
import org.neo4j.driver.GraphDatabase;
import org.neo4j.driver.Session;
import org.neo4j.driver.Result;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;
publicclassRecommendationService{
privatefinalDriver driver;
publicRecommendationService(String uri,String user,String password){
driver =GraphDatabase.driver(uri,AuthTokens.basic(user, password));
}
publicvoid close(){
driver.close();
}
publicList<String> getRecommendedMovies(Long userId){
try(Session session = driver.session()){
String query ="MATCH (u:User {id: $userId})-[:LIKES]->(m:Movie) "+
"WITH COLLECT(m.genre) AS likedGenres "+
"MATCH (m2:Movie) WHERE m2.genre IN likedGenres "+
"AND NOT EXISTS((u)-[:LIKES]->(m2)) "+
"RETURN m2.title AS recommendedMovie "+
"ORDER BY m2.rating DESC "+
"LIMIT 10";
return session.run(query,Map.of("userId", userId))
.list(record -> record.get("recommendedMovie").asString())
.stream()
.collect(Collectors.toList());
}
}
publicstaticvoid main(String[] args){
try(RecommendationService service =newRecommendationService("bolt://localhost:7687","neo4j","password")){
service.getRecommendedMovies(1L).forEach(System.out::println);
}
}
}
推荐查询
1. 基础推荐：假设您想根据用户喜欢的类型推荐电影。您可以使用 Cypher 查询查找相似的电影：
MATCH (u:User)-[:LIKES]->(m:Movie)
WITH u, COLLECT(m.genre) AS likedGenres
MATCH (m2:Movie)
WHERE m2.genre IN likedGenres
RETURN m2.title AS recommendedMovie
此查询收集用户喜欢的电影类型，并推荐具有相似类型的其他电影。
2. 过滤和排序：为了优化推荐，您可以考虑其他标准，如电影评分或上映日期：
MATCH (u:User)-[:LIKES]->(m:Movie)
WITH u, COLLECT(m.genre) AS likedGenres
MATCH (m2:Movie) WHERE m2.genre IN likedGenres AND NOT EXISTS((u)-[:LIKES]->(m2))
RETURN m2.title AS recommendedMovie
ORDER BY m2.rating DESC
LIMIT 10
此查询避免推荐用户已经喜欢的电影，并根据评分对建议进行排序。
使用 Neo4j Aura
1. 连接到 Neo4j Aura：从 Neo4j Aura 仪表板中获取连接凭据，并配置您的连接设置：
dbms.url=bolt://<aura-uri>:7687
dbms.username=<username>
dbms.password=<password>
2. 部署和测试：部署您的 Java 应用程序并测试推荐查询，以确保它们能够与 Neo4j Aura 一起工作。
总结
学习资源
若要了解更多知识图谱相关信息，请查看我们公众号的其他文章：
活水智能成立于北京，致力于通过AI教育、AI软件和社群提高知识工作者生产力。中国AIGC产业联盟理事。
活水现有AI线下工作坊等10+门课程，15+AI软件上线，多款产品在研。知识星球中拥有2600+成员，涵盖大厂程序员、公司高管、律师等各类知识工作者。在北、上、广、深、杭、重庆等地均有线下组织。
欢迎加入我们的福利群，每周都有一手信息、优惠券发放、优秀同学心得分享，还有赠书活动~👇🏻👇🏻👇🏻
