一年一度的618电商购物狂欢节又双叒叕要来了。菊厂小王打开某电商APP，准备买款手机送给女朋友。电商APP的后台好像早就知晓小王的喜好一般，贴心地为他奉上“专属”商品页面。
▲ 小王的购物车
这种帮助过滤信息，预测用户对物品的行为和偏好的技术正是电商后台推荐系统。
推荐系统基于图数据库技术，通过设计各种节点（用户、商品、店铺……）和关系（收藏、购买、点赞、加购物车……），从而准确分析判断出用户的喜好，给出用户可能感兴趣的商品。
▲基于相似用户模型的推荐
比如小王本来的目的是买A品牌手机的，但是系统不仅给他推荐了B品牌手机，还推荐了其他电子产品。这导致小王的购物预算增加了1倍。
什么是图？
1738年瑞典科学家欧拉创立了图论，认为图的基本元素是点和边。每个节点代表一个实体，每个关系（边）代表两个实体的关联方式。
图模型描述的是——如何存、采用什么实现方式来存取数据。图数据基于图数据模型，才能存储到图数据库中，最终落实为具体的数据文件。
属性图：这也是目前使用最多的一种图模型，实体和关系也会拥有各自的属性，比如人可以有“性别”和“职业”。
超图：一个关系可以关联任意数量的节点。超图其实可以转换成属性图，但属性图不能转成超图。
三元组：三元组存储需要借助W3C制定的资源描述框架（RDF）建模，将三元组元素分别存储，使用SPARQL作为查询语言，方便进行知识推理和数据关联。RDF 在设计上的主要特点是易于发布和分享数据，但不支持实体或关系拥有属性。
数据库是长期存储在计算机中的有组织的、可共享的数据的大集合。数据库中的数据按照一定的数据模型进行组织、描述和存储，可以被各种用户共享。
目前国内厂商里排名最为靠前是华为高斯数据库和阿里的PolarDB。Gauss （高斯）数据库是一个开源数据库，基于 PostgreSQL9.2 开发; 阿里云自研的云原生关系型数据库PolarDB连续多年稳定支撑天猫双11，在系统负载增加了135倍情况下依然保持稳定。
图数据库并非指存储图片的数据库，而是以图结构存储数据的在线数据库管理系统。
它是非关系型数据库中的一种特定的适用于多跳分析、关系挖掘、推荐引擎等场景的数据库。相较于更适合随机访问且要求数据强一致性的关系型数据库，非关系型数据库统一适用于结构型不太强并且在性能、可扩展性、数据量上有更高要求的场景。
数据来源：人工智能之图数据库报告（2020年第4期）
1.原生图：以图模型格式存储数据，即顶点和边。原生图数据库使用免邻接索引处理CRUD操作，业界比较流行的是Neo4j和TigerGraph。
2.非原生图：将图数据存储成关系型数据模型、RDF三元组或键值对，在内存层，将其转换成图模型来模拟图的CRUD操作，业界比较流行的是JanusGraph（Titan）、NebulaGraph。
从DBEngines.com中图数据库的排行榜来看，最出名的仍然是老牌图数据库Neo4j，其应用厂商已经达到110+多个，涉及情报分析、金融欺诈、知识图谱、推荐引擎等多种场景；其次是Microsoft Azure Cosmos DB及ArangoDB。
另从DBEngines.com统计报告也显示，数据库行业近些年来发展最迅速的就是图数据库，并且其仍在继续上升，远远领先于其他数据库的发展。
数据来源：DB-Engines官网
我们经常提到的知识图谱，就是以图数据库作为存储引擎，对海量信息进行智能化处理，形成大规模的知识库并进而支撑业务应用。它也是图数据库关联最为紧密，场景最广泛的应用方向。
据Gartner发布的2020年数据与分析领域的十大技术趋势[2]表示，到2022年，知识图谱技术实现100%的快速增长，到2023年，知识图谱技术将促进全球30%的企业机构决策过程的快速情景化。除此以外，知识图谱与AI结合，将对未来自然灾害和其他危机的识别、预测和规划发挥关键作用。
看完全文，相信聪明的你对电商的推荐系统及其它的底层技术——图数据库已经有所了解了。
简而言之, 推荐系统的核心就是基于图数据库技术，建立用户模型和推荐对象模型，再通过相应的推荐算法进行计算筛选，找到用户可能感兴趣的推荐对象，然后推荐给用户。你get到了吗？
参考资料
[1]摘自数据观入驻自媒体—刘鹏看未来，转载请注明来源中国大数据产业观察网www.cbdio.com
[2]https://www.gartner.com/cn/newsroom/press-releases/gartner_2020_
[3]https://zhuanlan.zhihu.com/p/25179862
[4]人工智能之图数据库报告（2020年第4期）
[5]费马科技《知识图谱和图数据库》
[6]张帜《Neo4j权威指南》
[7] alg 《究竟什么是图数据库，它有哪些应用场景？》
【版权声明】本文为华为云社区用户原创内容，转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息， 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
评论（0）