Database 对于协同过滤(CF)推荐者来说,图形数据库(例如Neo4j)是可行的解决方案吗?
“我的推荐人”旨在创建一个网站新闻,向用户推荐新闻、视频和音频 正在制作的网站的特点如下: 每天的平均交通量为:Database 对于协同过滤(CF)推荐者来说,图形数据库(例如Neo4j)是可行的解决方案吗?,database,graph,recommendation-engine,collaborative-filtering,Database,Graph,Recommendation Engine,Collaborative Filtering,“我的推荐人”旨在创建一个网站新闻,向用户推荐新闻、视频和音频 正在制作的网站的特点如下: 每天的平均交通量为: 14.000.000浏览页面 2.000.000独立访客 什么???并发用户 资产的流动金额为: 视频:500.000 音频:400.000 新闻:200.000 推荐人的预期特征如下: 基于内存的邻域CF:无基于模型(无训练、无矩阵等) 近实时响应时间:当用户的推荐请求到达时,系统 allways必须在毫秒内响应 近实时“重新计算”:当“查看的资产”到达系统时 所有用户建
- 14.000.000浏览页面
- 2.000.000独立访客
- 什么???并发用户
- 视频:500.000
- 音频:400.000
- 新闻:200.000
- 基于内存的邻域CF:无基于模型(无训练、无矩阵等)
- 近实时响应时间:当用户的推荐请求到达时,系统 allways必须在毫秒内响应
- 近实时“重新计算”:当“查看的资产”到达系统时 所有用户建议必须“立即”考虑信息
- 要计算用户推荐,需要考虑:
- 最近(1小时)查看的用户资产
- 其他用户的所有历史(从开始记录统计数据到现在)视图