Algorithm 理解和构建社交网络算法

我不确定这是否是提出这个问题的正确平台。 但我的问题是：我有一家书店&x个客户（x是巨大的）

客户可以告诉我一本书是好是坏（不推荐）。 我有一个内在的逻辑把书放在一起，所以如果一个客户说一本书不好，他就是说类似的书也不好，不要给他看

我同意把那些书藏起来。客户之间也可以进行互动，并建立相互信任水平。 当客户A说书X1不好时，就会出现这种情况。因此我将X1、X2、X3、X4等列为黑名单

但是他的朋友客户B说X3很好。所以现在我必须向A展示X3。 我在考虑根据我所有客户的互动建立一个社交网络，并能够计算他们的相互信任水平。 因此，在上面的senario中，如果互信水平非常高，将显示X3到A，否则我将不显示X3到A

我想让自己开始构建社交网络，并为两个节点（我的客户机）之间的路径分配一个wt。请给我一些好的建议，我可以从哪里开始。 任何书籍、网站等

---

感谢您从较高的层次了解机器学习、数据挖掘和图形挖掘/分析领域

在机器学习和数据挖掘方面，你会想研究协作过滤——我推荐。在这个领域有很多工作要做，请注意像亚马逊这样的网站有一个功能，它可以向您显示与您当前正在查看的商品一起购买的其他商品

在构建社交网络方面，您首先需要弄清楚您想要使用什么样的数据库系统。存在像和这样的图形数据库，它们的设计考虑到了图形。。你也可以选择一些更通用的东西，比如MySQL，这取决于你想走多远

---

一旦你决定要利用这个“社交图”数据，这就是随机游走、社区结构/检测和中心性等概念的用武之地。我建议大家阅读推特在加州大学伯克利分校（UC Berkeley）举办的讲座，更好地了解如何利用社交数据。

感谢阿德尔贝茨的快速回复。我要结账。在数据库方面，我考虑使用hbase。你认为这会是个问题吗？为什么是hbase？使用它的图形算法是可能的，但如果您可以从neo4j或orientdb开始，我不推荐使用它。看一看，使用HBase当然是可能的，但与所有架构决策一样，在开始使用HBase之前，您应该问问自己为什么。HBase基于HDFS构建，设计用于存储大量稀疏数据（SQL系统不太擅长处理这些数据）。然而，Twitter的FlockDB数据库的设计考虑到了在线社交网络和图形分析。