#google-analytics #recommendation-engine #graph-databases #google-prediction
#google-analytics #механизм рекомендаций #базы данных graph #google-прогнозирование
Вопрос:
(Я признаю, что я не эксперт в базах данных graph или NoSQL, поскольку пока использовал его только для нескольких хобби-проектов.)
Я использовал такие технологии, как InfiniteGraph и Stig для рекомендаций — это базы данных graph, которые предположительно оптимизированы для подобных задач. Похоже, что новый Google Predict API способен выполнять ту же задачу — учитывая набор данных и фактические лайки пользователя в виде подмножества, иметь возможность предсказать, что на самом деле может понравиться пользователю.
Есть ли верный показатель для сравнения прогнозов Google с другими базами данных на основе graph?
Комментарии:
1. Одно из очевидных отличий заключается в том, что Google Predict — это облачный сервис, в то время как другие таковыми не являются. Пока не видел никакого сравнения.
2. Вы можете обучить алгоритмы на подмножестве ваших данных и протестировать их на остальных. Кроме того, я не думал, что базы данных graph поставляются с алгоритмами рекомендаций. Только они предоставляют механизм для реализации ваших собственных. Если вы не говорите об этом ( docs.neo4j.org/chunked/milestone / … ), что является всего лишь тривиальным примером, IMO.
Ответ №1:
Прогноз довольно очевиден и верен. Но, насколько мне известно, API прогнозирования Google использует механизм ранжирования страниц; не уверен насчет базы данных graph. В отличие от Facebook, Google может использовать GDB для Google , но в одном из официальных блогов neo4j они ничего не упомянули о Google.