基于知识图谱和neo4j图数据库的电影推荐系统（2024版）

原创

已于 2024-06-17 08:16:58 修改 · 825 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#知识图谱 #neo4j #数据库 #推荐算法

于 2024-06-16 22:04:40 首次发布

首先下载neo4j图数据库
https://neo4j.com/deployment-center/
在这里插入图片描述
知识图谱相关概念：
知识图谱是一种结构化的知识存储形式，它以图形数据库为基础，用来表示实体（如人、地点、事件等）之间的复杂关系。这种技术结合了自然语言处理、信息提取、数据挖掘、图论等多种技术，目的是使机器能够更好地理解和处理人类世界中的知识。
完整代码：

from neo4j import GraphDatabase
import pandas as pd

uri = "neo4j://localhost:7687"
driver = GraphDatabase.driver(uri, auth=("neo4j", "tangyudiadid0"))

k = 10 # nearest neighbors (most similar users) to consider
movies_common = 3 # how many movies in common to be consider an user similar
users_common = 2 # minimum number of similar users that have seen the movie to consider it
threshold_sim = 0.9 # threshold to consider users similar

def load_data():
    with driver.session() as session:
        session.run("""MATCH ()-[r]->() DELETE r""")
        session.run("""MATCH (r) DELETE r""")
        
        print("Loading movies...")
        #加载数据，创建Movie标签,title属性的实体
        session.run("""
            LOAD CSV WITH HEADERS FROM "file:///out_movies.csv" AS csv
            CREATE (:Movie {title: csv.title})
            """)
            
        print("Loading gradings...")
        #加载评分数据，    MERGE是搜索给定模式，如果存在，则返回结果如果它不存在于图中，则它创建新的节点/关系并返回结果。
        session.run("""
            LOAD CSV WITH