基于图引擎服务 GES 实现实时推荐

1. 参考https://bbs.huaweicloud.com/blogs/4adfd1761a4811e9bd5a7ca23e93a891，创建图。

2. 使用实时推荐算法进行推荐。

   选择“实时推荐”(Real-time Recommendation)算法根据提示选择左侧栏的参数，这里 sources 栏用于输入请求节点（可以多

   个，标准的 csv 数据格式输入），label 参数过滤出期望得到的节点类型。

   例如：

   （1）“当 Frank 打开电影平台，向其推荐电影“时，可以输入 sources 为 Frank, label 为 movie，其他参数如下图（左），点

   击运行。算法运行结束后，画布上将会出现含有推荐节点的子图（大小反映了推荐程度，点击右上角图例上的相关项目，可以快速锁

     定相应类型节点）；Pixie 的结果将会出现在下方“查询结果”栏。由图引擎的运算结果可以很清晰显示用户、电影、演员、导演等之间的关系，根据多因素共同作用结果，演算出最为精确的推荐结果，相较于过去的推荐结果，精度更高，解释能力更强。

     （2）当某“游客”用户小易登陆平台，浏览了 Gina 主页以及搜索了演员 Haley Joel Osment 动态，这一行为具有很强的个人

偏好属性说明他对 Gina 以及 Heley Joel Osment 有兴趣，这时，我们可以输入多个 sources 节点（参数如下图左），综合考虑

这两种兴趣（“Gina”、“Haley Joel Osment”）进行实时推荐：

sources： Gina，Haley Joel Osment

label: movie

3 动态更新图，实时更新，实时推荐

基于图的结构进行实时计算，可以适应数据的动态变化，如上图“小易加入平台，看了电影 Ready Play One”这一行为，图引

擎服务可以通过 gremlin 等语句实时更新到当前图数据里，做到实时更新，实时推荐。

（1）Gremlin 增加点，输入 Gremlin 语句

g.addV('user').property(id, '小易'). property('ChineseName', '小易' ).property('Gender','M').property('Age', '25-34')

.property('Occupation', 'student'). property('Zip-code', 331100)

（2）Gremlin 增加边，输入 Gremlin 语句：

g.V('小易').addE('like'). property('Datetime', '2018-07-27, 19:49:20').to(g.V('Ready Play One'))

扩展：

Gremlin 是 Apache TinkerPop 框架下的图遍历语言。Gremlin 是一种函数式数据流语言，可以使得用户使用简洁的方式表述复杂的属性图

（property graph）的遍历或查询。每个 Gremlin 遍历由一系列步骤（step，可能存在嵌套）组成，每一步都在数据流（data stream）上执行一

个原子操作。

 用户只需要将标准 gremlin 语言进行简单的组合和嵌套，就能完成复杂的查询功能，例如：

 查询图上的点：g.V().limit(100)

 查询 Frank 用户的信息：g.V(“Frank”)

 查询 Frank 喜欢的电影：g.V (“Frank").out("like") .hasLabel("movie")；

 查询 Frank 朋友喜欢的电影：g.V (“Frank"). out (“friends").out("like") .hasLabel("movie")；

 等等