?譯者 | 陳峻

審校 | 孫淑娟

本文在介紹圖形數(shù)據(jù)庫(kù)和推薦系統(tǒng)的基本概念的基礎(chǔ)上，詳細(xì)討論了圖形分解技術(shù)、PageRank算法、以及協(xié)同過(guò)濾等方法，以及如何使用NebulaGraph圖形數(shù)據(jù)庫(kù)，去構(gòu)建實(shí)時(shí)推薦系統(tǒng)。  

實(shí)時(shí)推薦是當(dāng)今零售行業(yè)非常熱門(mén)的話(huà)題，其目標(biāo)是為了方便用戶(hù)在電商網(wǎng)站上搜索了產(chǎn)品之后，應(yīng)用程序立即為他們提供個(gè)性化的推薦。這是一項(xiàng)具有挑戰(zhàn)性的任務(wù)，畢竟用戶(hù)尚未決定要購(gòu)買(mǎi)哪種產(chǎn)品，因此應(yīng)用系統(tǒng)需要深入了解他們的偏好和行為。

為了實(shí)現(xiàn)這一目標(biāo)，實(shí)時(shí)推薦系統(tǒng)需要能夠以接近實(shí)時(shí)的速度處理海量數(shù)據(jù)。實(shí)時(shí)系統(tǒng)通常作為電商網(wǎng)站或移動(dòng)應(yīng)用的一部分，可以根據(jù)用戶(hù)當(dāng)前的行為，推薦相關(guān)的產(chǎn)品。例如，一個(gè)正在銷(xiāo)售鞋履的電商網(wǎng)站，可能做到在用戶(hù)查看“男士運(yùn)動(dòng)鞋”頁(yè)面時(shí)，恰到好處地向其展示不同款式的鞋子。

而由于圖形技術(shù)具有預(yù)測(cè)用戶(hù)行為，并據(jù)此提出建議的能力，因此它是實(shí)時(shí)推薦的不錯(cuò)選擇。其中，以NebulaGraph為代表的圖形數(shù)據(jù)庫(kù)，就提供了一種靈活的數(shù)據(jù)模型，可以被用來(lái)表示實(shí)體之間的各種類(lèi)型關(guān)系。此類(lèi)關(guān)系不僅包括典型的“產(chǎn)品”和“用戶(hù)”之間的關(guān)系，還包括其他對(duì)于應(yīng)用而言非常重要的關(guān)系。例如，您可以使用圖形數(shù)據(jù)庫(kù)，來(lái)表示復(fù)雜的用戶(hù)分組（例如“各種朋友”）、以及產(chǎn)品類(lèi)別（例如“各種書(shū)籍”）。只要兩個(gè)實(shí)體之間有邊（edge），就可以使用圖形技術(shù)來(lái)表示。

其實(shí)，圖形數(shù)據(jù)庫(kù)比關(guān)系數(shù)據(jù)庫(kù)更善于表示各種類(lèi)型的關(guān)系。例如，如果您有大量具有相似興趣、但屬于不同組的用戶(hù)，那么在關(guān)系數(shù)據(jù)庫(kù)中，就需要為每個(gè)組創(chuàng)建一個(gè)單獨(dú)的表，然后在查詢(xún)的時(shí)候，將他們連接到一個(gè)大的數(shù)據(jù)表中。相反，在圖形數(shù)據(jù)庫(kù)中，每個(gè)用戶(hù)可能有多個(gè)邊，以代表他們?cè)诓煌M中的興趣。

一、什么是圖形數(shù)據(jù)庫(kù)?

圖形數(shù)據(jù)庫(kù)不同于大多數(shù)人熟悉的傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)(RDBMS)。RDBMS是將數(shù)據(jù)存儲(chǔ)在一個(gè)由列和行組成的表中，彼此之間幾乎不存在任何關(guān)系。而圖形數(shù)據(jù)庫(kù)在最初被設(shè)計(jì)的時(shí)候，就側(cè)重于數(shù)據(jù)集之間的關(guān)系。因此，它們具有更強(qiáng)大和更專(zhuān)業(yè)的處理能力。值得注意的是，此處的“圖形”其實(shí)是表示兩個(gè)事物之間關(guān)系的圖表。也就是說(shuō)，圖形數(shù)據(jù)庫(kù)就是用來(lái)解釋數(shù)據(jù)之間關(guān)系的數(shù)據(jù)庫(kù)。下圖展示了典型的圖形數(shù)據(jù)庫(kù)—NebulaGraph的復(fù)雜架構(gòu)和設(shè)計(jì)。

為了避免數(shù)據(jù)集彼此之間形成無(wú)用的孤島，圖形數(shù)據(jù)庫(kù)可以將多個(gè)數(shù)據(jù)集之間的點(diǎn)連接起來(lái)，揭示它們之間的重要關(guān)系。目前，圖形數(shù)據(jù)庫(kù)已經(jīng)得到了廣泛使用。

二、什么是實(shí)時(shí)推薦系統(tǒng)？

推薦系統(tǒng)主要用于預(yù)測(cè)客戶(hù)的偏好，并為他們提供可能喜歡的產(chǎn)品或服務(wù)。此類(lèi)系統(tǒng)往往被用于包括零售、媒體、娛樂(lè)、旅游、以及公共服務(wù)等各個(gè)行業(yè)，通過(guò)為客戶(hù)提供個(gè)性化的建議，來(lái)幫助公司降低成本，并增加收入。例如，Netflix會(huì)使用某種算法，來(lái)根據(jù)您之前看過(guò)的電影，推薦后續(xù)的影片；Amazon也會(huì)使用推薦，來(lái)幫助購(gòu)物者找到他們可能感興趣、甚至?xí)?gòu)買(mǎi)的新產(chǎn)品；Facebook則使用自己的算法，根據(jù)您的興趣喜好，向您展示相關(guān)的廣告信息。

三、為何要使用NebulaGraph進(jìn)行實(shí)時(shí)推薦？

目前，在各種真實(shí)的應(yīng)用環(huán)境中，數(shù)據(jù)挖掘的相關(guān)技術(shù)已能夠給圖形數(shù)據(jù)庫(kù)帶來(lái)大幅的性能提升。而作為一個(gè)高性能的線(xiàn)性可擴(kuò)展類(lèi)圖形數(shù)據(jù)庫(kù)，NebulaGraph可以通過(guò)無(wú)共享（shared-nothing）的分布式模型被使用在不同的場(chǎng)景中。其背后的目標(biāo)是釋放那些呈指數(shù)級(jí)增長(zhǎng)的連接數(shù)據(jù)的能力。相對(duì)其他競(jìng)品圖形數(shù)據(jù)庫(kù)而言，NebulaGraph可以安全地處理數(shù)據(jù)集的大小，并在速度上提升約兩倍左右。下圖展示了NebulaGraph的基本工作原理。總的說(shuō)來(lái)：

• 它是唯一可以存儲(chǔ)和處理具有數(shù)萬(wàn)億個(gè)關(guān)系連接、以及數(shù)十億個(gè)數(shù)據(jù)點(diǎn)的數(shù)據(jù)庫(kù)
• 它旨在確保和實(shí)現(xiàn)無(wú)中斷的、可擴(kuò)展和恢復(fù)的最佳業(yè)務(wù)連續(xù)性

四、圖形技術(shù)在推薦中的應(yīng)用

推薦系統(tǒng)旨在根據(jù)用戶(hù)的品味和偏好，為他們提供個(gè)性化的推薦。例如，應(yīng)用可以通過(guò)用戶(hù)在電商網(wǎng)站上的購(gòu)物習(xí)慣，來(lái)提取和表示他們?cè)陔娪昂蜁?shū)籍領(lǐng)域的偏好特征。

通常，推薦系統(tǒng)主要有兩大類(lèi)：協(xié)同過(guò)濾（Collaborative Filtering，CF）方法和基于模型（model-based）的方法。而為了在不知道用戶(hù)和電影屬性的情況下，預(yù)測(cè)電影的評(píng)分，以KNN為代表的協(xié)同過(guò)濾方法，需要與基于模型的方法相結(jié)合，形成圖形分解（graph factorization）方法，以提高評(píng)分記錄在稀疏時(shí)的預(yù)測(cè)準(zhǔn)確性。

作為一種基于圖形的模型，圖形分解方法可用于表示用戶(hù)偏好，以及用戶(hù)、項(xiàng)目和屬性之間的關(guān)系。其目標(biāo)是從用戶(hù)評(píng)分和推薦中提取潛在特征，以便這些特征可以被用于以無(wú)監(jiān)督的方式，實(shí)現(xiàn)對(duì)用戶(hù)偏好的預(yù)測(cè)。

圖形分解需要通過(guò)將原始數(shù)據(jù)集分解為更小的數(shù)據(jù)集、或集群來(lái)完成。而由于圖形數(shù)據(jù)庫(kù)能夠支持高度連接的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)點(diǎn)之間的關(guān)系，因此圖形分解的過(guò)程往往需要使用圖形數(shù)據(jù)庫(kù)來(lái)實(shí)現(xiàn)。目前，圖形分解方法已經(jīng)被廣泛地應(yīng)用于許多在線(xiàn)推薦系統(tǒng)中。

五、如何使用NebulaGraph來(lái)構(gòu)建推薦系統(tǒng)？

下面，我將向您介紹如何使用NebulaGraph之類(lèi)的圖形數(shù)據(jù)庫(kù)來(lái)構(gòu)建推薦系統(tǒng)。

1.定義數(shù)據(jù)模型

我們首先需要為推薦系統(tǒng)定義數(shù)據(jù)模型，以告知系統(tǒng)需要推薦什么類(lèi)型的數(shù)據(jù)。如果想推薦電影的話(huà)，那么電影便可被我們作為實(shí)體。然后是定義需要那些與實(shí)體相關(guān)的信息。例如，如果您準(zhǔn)備構(gòu)建一個(gè)書(shū)籍推薦系統(tǒng)，那么您就需要知道它屬于什么類(lèi)型、或者是用什么語(yǔ)言編寫(xiě)的。而對(duì)于電影領(lǐng)域，我們只需要獲取名稱(chēng)、發(fā)行年份、類(lèi)別、以及國(guó)家等即可。下圖展示了我們的電影實(shí)體的相關(guān)定義：

2.定義關(guān)系

接下來(lái)，我們需要做的是定義電影和用戶(hù)（或人）之間存在什么類(lèi)型的關(guān)系。通常，此類(lèi)關(guān)系有兩種：用戶(hù)喜歡該電影和用戶(hù)看過(guò)該電影（或用戶(hù)沒(méi)有看過(guò)電影）。在本例中，我們將把其簡(jiǎn)化為用戶(hù)喜歡的電影。

假設(shè)有兩個(gè)用戶(hù)James和Kelsey，他們都是科幻電影A的粉絲。那么該電影就屬于科幻題材的類(lèi)別。如果James同時(shí)也喜歡科幻電影B，而Kelsey并沒(méi)有看過(guò)，那么我們就并不知道kelsey是否喜歡科幻電影B。

使用上述數(shù)據(jù)圖建模，我們可以很容易地發(fā)現(xiàn)由于James和Kelsey喜歡同樣類(lèi)別的事物，其中就包括了科幻電影B，因此Kelsey也可能會(huì)喜歡科幻電影B。推薦系統(tǒng)則會(huì)向Kelsey推薦科幻電影B。

3.提出建議

我們可以使用各種圖形算法，在圖形數(shù)據(jù)庫(kù)中提出建議。

PageRank算法常被用于對(duì)于搜索結(jié)果中的網(wǎng)頁(yè)進(jìn)行排名。通過(guò)使用該算法，我們可以確定當(dāng)有人搜索Google、或任何其他主流搜索引擎時(shí)，應(yīng)首先為其推薦顯示哪些網(wǎng)頁(yè)，以及判定哪些網(wǎng)站的受歡迎程度更高。PageRank背后的基本思想是，下一個(gè)將要連接跳轉(zhuǎn)的頁(yè)面，會(huì)比當(dāng)前的頁(yè)面更重要。也就是說(shuō)，如果每個(gè)人都被鏈接到某個(gè)相同的鞋類(lèi)購(gòu)買(mǎi)網(wǎng)站的頁(yè)面，那么就意味著系統(tǒng)判斷該頁(yè)面會(huì)比其他網(wǎng)站更重要。而且被鏈接過(guò)來(lái)的人越多，則意味著其獲得的權(quán)重越高。可以說(shuō)，一個(gè)網(wǎng)站的受歡迎程度是通過(guò)它指向（和被引用）的鏈接數(shù)量來(lái)衡量的。同理，在看電影方面，一個(gè)人既可以繼續(xù)觀看相似類(lèi)別的電影（即延續(xù)他的興趣愛(ài)好），也可以跳轉(zhuǎn)去看完全不同類(lèi)型的隨機(jī)影片。可見(jiàn)，電影流行度的判斷就建立在將給定電影，與其同類(lèi)進(jìn)行數(shù)字哈希的結(jié)果上。

協(xié)同過(guò)濾算法是一種基于用戶(hù)、項(xiàng)目及其連接信息的推薦系統(tǒng)方法。其判斷的前提是：相似的用戶(hù)群往往有著相似的興趣。該方法通過(guò)查看現(xiàn)有用戶(hù)及其臨近用戶(hù)的興趣，來(lái)進(jìn)行推薦。

六、小結(jié)

綜上所述，由于圖形數(shù)據(jù)庫(kù)可以表示推薦系統(tǒng)中用戶(hù)和產(chǎn)品之間的關(guān)系，因此它們可以被用來(lái)構(gòu)建實(shí)時(shí)推薦系統(tǒng)。同時(shí)，由于能夠針對(duì)強(qiáng)大的數(shù)據(jù)分析提供支持，圖形數(shù)據(jù)庫(kù)能夠讓推薦系統(tǒng)更加廣泛地分析具有不同偏好的用戶(hù)和產(chǎn)品。

原文鏈接：https://itnext.io/use-cases-of-graph-databases-in-real-time-recommendation-db222a8b2c83

譯者介紹

陳峻 （Julian Chen），51CTO社區(qū)編輯，具有十多年的IT項(xiàng)目實(shí)施經(jīng)驗(yàn)，善于對(duì)內(nèi)外部資源與風(fēng)險(xiǎn)實(shí)施管控，專(zhuān)注傳播網(wǎng)絡(luò)與信息安全知識(shí)與經(jīng)驗(yàn)。?