【TuGraph文档】TuGraph 场景：影视 DEMO

原创小小亮 2023-07-07

121

场景：影视

此文档主要介绍影视 demo的使用方法。

1.建模和数据导入

完成登录后，点击“帮助”，点击“快速上手”，点击“一键创建模型”，点击“一键创建数据”，完成数据的 Movie 场景图创建。

Movie 场景图：

标签	类型	说明
movie	实体	表示某一部具体的影片，比如"阿甘正传"。
person	实体	表示个人，对影片来说可能是演员、导演，或编剧。
genre	实体	表示影片的类型，比如剧情片、恐怖片。
keyword	实体	表示与影片相关的一些关键字，比如"拯救世界"、“虚拟现实”、“地铁”。
user	实体	表示观影的用户。
produce	关系	表示影片的出品人关系。
acted_in	关系	表示演员出演了哪些影片。
direct	关系	表示影片的导演是谁。
write	关系	表示影片的编剧关系。
has_genre	关系	表示影片的类型分类。
has_keyword	关系	表示影片的一些关键字，即更细分类的标签。
rate	关系	表示用户对影片的打分。

2.查询示例

2.1.示例一

查询影片 ‘Forrest Gump’ 的所有演员，返回影片和演员构成的子图。

MATCH (m:movie {title: 'Forrest Gump'})<-[:acted_in]-(a:person) RETURN a, m

2.2.示例二

查询影片 ‘Forrest Gump’ 的所有演员，列出演员在影片中扮演的角色。

MATCH (m:movie {title: 'Forrest Gump'})<-[r:acted_in]-(a:person) RETURN a.name,r.role

2.3.示例三

查询 Michael 所有评分低于 3 分的影片。

MATCH (u:user {login: 'Michael'})-[r:rate]->(m:movie) WHERE r.stars < 3 RETURN m.title, r.stars

2.4.示例四

查询和 Michael 有相同讨厌的影片的用户，讨厌标准为评分小于三分。

MATCH (u:user {login: 'Michael'})-[r:rate]->(m:movie)<-[s:rate]-(v) WHERE r.stars < 3 AND s.stars < 3 RETURN u, m, v

2.5.示例五

给 Michael 推荐影片，方法为先找出和 Michael 讨厌同样影片的用户，再筛选出这部分用户喜欢的影片。

MATCH (u:user {login: 'Michael'})-[r:rate]->(m:movie)<-[s:rate]-(v)-[r2:rate]->(m2:movie) WHERE r.stars < 3 AND s.stars < 3 AND r2.stars > 3 RETURN u, m, v, m2

2.6.示例六

查询 Michael 的好友们喜欢的影片。

MATCH (u:user {login: 'Michael'})-[:is_friend]->(v:user)-[r:rate]->(m:movie) WHERE r.stars > 3 RETURN u, v, m

2.7.示例七

通过查询给’Forrest Gump’打高分的人也喜欢哪些影片，给喜欢’Forrest Gump’的用户推荐类似的影片。

MATCH (m:movie {title:'Forrest Gump'})<-[r:rate]-(u:user)-[r2:rate]->(m2:movie) WHERE r.stars>3 AND r2.stars>3 RETURN m, u,m2

tugraph

「喜欢这篇文章，您的关注和赞赏是给作者最好的鼓励」

关注作者