图驱动推荐系统：从协同过滤到图嵌入的实战路径

引言

推荐系统传统上以「用户-物品评分矩阵」为中心，用协同过滤、矩阵分解求解。但当交互数据变成关系图谱——用户、物品、标签、品牌、类目、内容互相连接——图数据库提供了更自然的建模与更丰富的推荐信号：「看了这本书的人也看了」本质上就是一条二跳路径。

本文系统讲图驱动推荐：先对比协同过滤与图推荐的差异，再建立用户-物品二部图模型；接着从相似度推荐（Jaccard/余弦）讲到路径推荐（元路径、多跳传播），用 Neo4j 落地实时推荐查询；然后上图嵌入推荐（node2vec/GraphSAGE），最后给出混合推荐架构与冷启动治理方案。

前置：/graphdb-algorithms-practice/（相似度与链路预测）、/graphdb-modeling-patterns/（建模）、/graphdb-gnn-embedding/（图嵌入）、/graphdb-graphrag-vector/（向量检索）。

目录

• 1. 协同过滤 vs 图推荐
• 2. 用户-物品二部图建模
• 3. 相似度推荐：Jaccard、余弦与共同邻居
• 4. 路径推荐：元路径与多跳传播
• 5. Neo4j 实时推荐查询
• 6. 图嵌入推荐：node2vec 与 GraphSAGE
• 7. 混合推荐架构
• 8. 冷启动治理
• 9. 推荐质量评估
• 10. 速查表
• 延伸阅读

1. 协同过滤 vs 图推荐

1.1 两者的本质差异

1.2 图推荐的信号来源

评分信号  ：用户评分/星级        → 加权关系
行为信号  ：浏览/点击/购买        → 带类型的交互关系
属性信号  ：品类/品牌/标签        → 物品之间的关系
社交信号  ：好友/关注             → 用户之间的信任传播

一句话总结：协同过滤只看「评分矩阵」，图推荐把「一切交互与属性」建成关系——信号更丰富、可解释性更强、冷启动更可控。

2. 用户-物品二部图建模

2.1 核心图结构

// 二部图：用户与物品是两类节点，交互是关系
(:User {id, gender, age})-[:RATED {score, ts}]->(:Movie {id, title, genres})
(:User)-[:VIEWED]->(:Movie)
(:User)-[:PURCHASED]->(:Product)
(:User)-[:FOLLOWS]->(:User)
(:Movie)-[:IN_GENRE]->(:Genre)
(:Movie)-[:DIRECTED_BY]->(:Director)

2.2 建模要点

1. 交互关系带时间戳 → 支持「近期行为」加权
2. 用户-物品之外的「属性节点」（品类/导演/品牌）是冷启动的解药
3. 用户之间的关注/信任关系 → 社交传播推荐
4. 用唯一约束防重复节点

2.3 示例建模落地

CREATE CONSTRAINT IF NOT EXISTS FOR (u:User) REQUIRE u.id IS UNIQUE;
CREATE CONSTRAINT IF NOT EXISTS FOR (m:Movie) REQUIRE m.id IS UNIQUE;

CREATE (:User {id:'U1'})-[:RATED {score:5}]->(:Movie {id:'M1', title:'盗梦空间'})
CREATE (:User {id:'U1'})-[:RATED {score:4}]->(:Movie {id:'M2', title:'星际穿越'})

一句话总结：二部图把「用户-物品-属性」三类节点与「评分-行为-类型」关系建好，是图推荐的地基——属性节点是后续冷启动与路径推荐的关键。

3. 相似度推荐：Jaccard、余弦与共同邻居

3.1 Jaccard 相似度推荐「喜欢同一类物品的用户」

// 找到与 U1 行为最像的用户（Jaccard 相似度）
MATCH (u1:User {id:'U1'})-[:RATED]->(shared)<-[:RATED]-(u2:User)
WHERE u1 <> u2
RETURN u2.id,
       count(DISTINCT shared) AS common,
       // Jaccard = |共同| / |并集|
       toFloat(count(DISTINCT shared)) / (size((u1)-[:RATED]->()) + size((u2)-[:RATED]->()) - count(DISTINCT shared)) AS jaccard
ORDER BY jaccard DESC LIMIT 10;

3.2 余弦相似度（加权评分）

// 余弦：考虑评分高低而非只看「是否评过」
MATCH (u1:User {id:'U1'})-[r1:RATED]->(m)<-[r2:RATED]-(u2:User)
WHERE u1 <> u2
RETURN u2.id,
       sum(r1.score * r2.score) / (sqrt(sum(r1.score^2)) * sqrt(sum(r2.score^2))) AS cosine
ORDER BY cosine DESC LIMIT 10;

3.3 相似度→推荐

// 「相似用户评过高分但 U1 没看过」的电影
MATCH (u1:User {id:'U1'})
MATCH (u2:User)-[r:RATED]->(m:Movie)
WHERE u1 <> u2 AND r.score >= 4
  AND NOT (u1)-[:RATED]->(m)
  AND (u1)-[:RATED]->(:Movie)<-[:RATED]-(u2)      // u2 与 u1 有共同评分
RETURN m.title, avg(r.score) AS score, count(u2) AS fromUsers
ORDER BY fromUsers DESC, score DESC LIMIT 20;

一句话总结：相似度推荐走「找相似用户 → 推荐他们喜欢而你没看过的」——Jaccard 看共同度、余弦加权评分，二跳查询即可落地。

4. 路径推荐：元路径与多跳传播

4.1 元路径（Meta-path）

不同元路径捕捉不同的推荐语义：

元路径 U-R-M-U-R-M ：用户-评电影-用户-评电影   → 「口味相同的人看什么」
元路径 U-R-M-I-M    ：用户-评-电影-同类型-电影   → 「同类型的其他电影」
元路径 U-F-U-R-M    ：用户-关注-用户-评-电影     → 「朋友在看什么」
元路径 U-R-M-D-M    ：用户-评-电影-导演-其他电影  → 「同一导演的作品」

4.2 同类型推荐（U-R-M-I-M）

// 用户喜欢哪些类型 → 推荐同类型中评价最高的电影
MATCH (u:User {id:'U1'})-[:RATED {score:>=4}]->(m1:Movie)-[:IN_GENRE]->(g:Genre)
WITH u, g, avg(m1.score) AS pref   // 用户对每个类型的偏好
MATCH (g)<-[:IN_GENRE]-(m2:Movie)
WHERE NOT (u)-[:RATED]->(m2)
RETURN m2.title, g.name, sum(pref) AS affinity
ORDER BY affinity DESC, m2.rating DESC LIMIT 20;

4.3 导演/演员同源推荐（U-R-M-P-M）

// 看过的电影的导演 → 该导演的其他电影
MATCH (u:User {id:'U1'})-[:RATED]->(m1:Movie)-[:DIRECTED_BY]->(d:Director)
MATCH (d)-[:DIRECTED]->(m2:Movie)
WHERE NOT (u)-[:RATED]->(m2)
RETURN m2.title, count(d) AS affinity
ORDER BY affinity DESC LIMIT 10;

4.4 多跳传播（社交推荐）

// 二度好友看过的高分内容（2 跳，信任衰减）
MATCH (u:User {id:'U1'})-[:FOLLOWS*1..2]->(f:User)-[r:RATED]->(m:Movie)
WHERE r.score >= 4 AND NOT (u)-[:RATED]->(m)
RETURN m.title, count(DISTINCT f) AS socialSupport
ORDER BY socialSupport DESC LIMIT 20;

一句话总结：元路径让推荐「可解释」——同类型、同导演、好友在看、二度传播，每条路径都对应一种可对用户解释的推荐理由。

5. Neo4j 实时推荐查询

5.1 为实时查询建索引

CREATE INDEX IF NOT EXISTS FOR (u:User) ON (u.id);
CREATE INDEX IF NOT EXISTS FOR (m:Movie) ON (m.id);
CREATE INDEX IF NOT EXISTS FOR (g:Genre) ON (g.name);

5.2 组装一条实时推荐查询

// 综合推荐：相似用户 + 同类型 + 同导演 多路召回，按信号强度融合
MATCH (u:User {id:$userId})
// 路 1：相似用户高分
MATCH (u)-[:RATED]->(m1:Movie)<-[:RATED]-(u2:User)-[r2:RATED]->(rec1:Movie)
WHERE r2.score >= 4 AND NOT (u)-[:RATED]->(rec1)
WITH rec1, sum(r2.score) * 1.0 AS s1, count(u2) AS c1
// 路 2：同类型
MATCH (u:User {id:$userId})-[:RATED]->(m:Movie)-[:IN_GENRE]->(g:Genre)
WITH rec1, s1, c1, collect(DISTINCT g) AS genres
MATCH (rec2:Movie) WHERE (rec2)-[:IN_GENRE]->(genres) AND NOT (u)-[:RATED]->(rec2)
WITH rec1, s1, c1, rec2, size(genres) AS affinity
// 汇总（简化示意）
RETURN coalesce(rec1.id, rec2.id) AS movie_id,
       s1 + affinity * 0.5 AS score
ORDER BY score DESC LIMIT 20;

5.3 在线 vs 离线推荐

一句话总结：实时推荐 = 多路元路径召回 + 加权融合 + 索引与 LIMIT 保性能；高频用户可用离线预计算结果缓存加速。

6. 图嵌入推荐：node2vec 与 GraphSAGE

6.1 为什么需要嵌入

当图谱规模巨大、路径复杂时，显式路径查询会变慢；图嵌入把每个节点压缩成低维向量，相似度计算变成向量内积，还能直接喂进已有 ML 栈。

6.2 node2vec 流程

# 1. 导出边列表
edges = []  # [(user1, item1, weight), ...]
# 2. 训练 node2vec（保留局部结构）
from node2vec import Node2Vec
model = Node2Vec(edges, dimensions=128,
                 walk_length=30, num_walks=100, workers=4).fit()

# 3. 推荐：候选物品向量与用户向量做余弦
import numpy as np
user_vec = model.wv['U1']
recs = []
for item in candidate_items:
    vec = model.wv[item]
    recs.append((item, np.dot(user_vec, vec) / (np.linalg.norm(user_vec)*np.linalg.norm(vec)+1e-9)))
recs.sort(key=lambda x: -x[1])

6.3 GraphSAGE 端到端（归纳学习）

# PyTorch Geometric GraphSAGE：预测用户-物品边
from torch_geometric.nn import SAGEConv
import torch.nn.functional as F

class SAGERec(torch.nn.Module):
    def __init__(self, in_dim, hid_dim):
        super().__init__()
        self.conv1 = SAGEConv(in_dim, hid_dim)
        self.conv2 = SAGEConv(hid_dim, hid_dim)
    def forward(self, x, edge_index):
        x = F.relu(self.conv1(x, edge_index))
        return self.conv2(x, edge_index)

# 训练后：user_node_emb · item_node_emb → 点积打分
# 归纳性：新用户/新物品无需重训，用邻居特征聚合即可（缓解冷启动）

6.4 嵌入推荐的取舍

一句话总结：图嵌入把推荐从「显式路径查询」升级为「向量相似度」——node2vec 简单、GraphSAGE 归纳可抗冷启动；嵌入可与路径召回融合成多路推荐。

7. 混合推荐架构

7.1 多路召回 + 融合排序

召回（GraphDB）：
  ① 相似用户高分  ② 同类型 ③ 同导演 ④ 社交二跳 ⑤ 向量嵌入TopK
排序（Model）：
  特征（召回分数、新颖度、热度、多样性）+ 模型（LR/GBDT）→ 精排
重排（业务）：
  去重、多样性（MMR）、品类平衡、实时反馈（不感兴趣）

7.2 Neo4j 在混合架构中的位置

离线：GDS 跑相似度/社区/嵌入 → 写回属性
在线：Neo4j 做多路召回（毫秒级）+ 外部排序模型精排
存储：Neo4j 管关系召回，向量库（如 FAISS）管嵌入 TopK

7.3 架构图

业务事件 → Kafka → 图更新(Neo4j) ─→ 离线GDS(相似度/嵌入) ─→ 写回
                             ↑                              ↓
用户请求 → 实时多路召回(Neo4j) → 融合排序(GBDT) → 多样性重排 → 响应

一句话总结：混合推荐 = 图多路召回 + 模型精排 + 业务重排——Neo4j 负责「关系召回」，向量库负责「嵌入召回」，排序模型融合后做业务重排。

8. 冷启动治理

8.1 新用户冷启动

// 新用户无评分 → 用「属性路径」推荐
// 注册时填了偏好类型 → 直接推荐该类型高分项
MATCH (g:Genre {name: $prefGenre})<-[:IN_GENRE]-(m:Movie)
WHERE NOT (m)<-[:RATED]-(:User {id:$userId})
RETURN m.title, m.rating ORDER BY m.rating DESC LIMIT 10;

// 无偏好 → 用热门榜（社区热度 = 被评分人数）
MATCH (m:Movie)<-[r:RATED]-()
RETURN m.title, count(r) AS popularity, avg(r.score) AS score
ORDER BY popularity DESC LIMIT 20;

8.2 新物品冷启动

新物品无人评 → 靠「内容属性路径」召回：
  同品牌/同类目/同导演/同作者 → 先有曝光
  再通过用户-属性-新物品路径推给对相关属性感兴趣的用户

8.3 冷启动总结

一句话总结：冷启动靠「属性与热度」兜底——新用户推热门与偏好，新物品靠属性路径曝光，嵌入的归纳性让新节点也能被推荐。

9. 推荐质量评估

9.1 离线指标

Accuracy：HR@K、NDCG@K、MRR（排序质量）
多样性   ：类别覆盖率、ILAD（物品间平均距离）
新颖度   ：推荐中「非热门物品」占比
覆盖率   ：被推荐物品占全物品比例

# 示例：计算 HR@10
def hit_rate(recs, ground_truth, k=10):
    hits = sum(1 for rec in recs[:k] if rec in ground_truth)
    return hits / len(ground_truth)

9.2 在线指标

CTR（点击率）、下单转化、人均时长、退坑率、投诉率
A/B 测试：图推荐 vs 矩阵分解 对照

9.3 线上闭环

推荐展示 → 用户反馈（点击/跳过/不感兴趣）→ 写回图谱
→ 图信号更新 → 下一轮召回更准

一句话总结：评估用 HR/NDCG 看离线精度、CTR/转化看在线价值，反馈写回图谱形成闭环——图推荐的优势正是「反馈即新关系，立即可用」。

10. 速查表

一句话记忆：图推荐把「用户-物品-属性」建成二部图，用相似度（Jaccard/余弦）、元路径（同类型/同导演/社交二跳）、图嵌入（node2vec/GraphSAGE）多路召回；混合架构 = 图召回 + 模型精排 + 多样性重排；冷启动靠属性与热度兜底，评估用离线精度 + 在线 CTR，反馈写回图谱形成闭环——关系就是推荐信号。