图驱动推荐系统：从协同过滤到图嵌入的实战路径
系统覆盖基于图数据库的推荐系统：协同过滤 vs 图推荐对比、用户-物品二部图建模、基于相似度的推荐（Jaccard/余弦/共同邻居）、基于路径的推荐（元路径/多跳传播）、Neo4j 实时推荐查询、图嵌入推荐（node2vec/GraphSAGE）、混合推荐架构与冷启动治理。
tag
Neo4j
共 14 篇文章。
图数据建模模式与反模式：从关系思维到图谱思维
系统覆盖图数据建模的思维转换与实战模式：属性图 vs 关系模型建模差异、节点/关系/属性的建模决策、高基数关系、超节点与超边、时序图建模、动态标签与多对多建模、常见反模式（链式关系、属性塞节点、无差别动态标签）、Neo4j 建模落地与性能权衡。
反欺诈与风控图谱实战：关联分析识别黑产团伙
系统覆盖图数据库在反欺诈/风控场景的实战：欺诈图谱的数据建模（设备/IP/账户/联系人）、团伙识别与社群发现（Louvain/连通分量）、环检测与中介中心性、基于图谱的规则引擎、实时反欺诈查询优化、特征提取与模型融合（图特征+机器学习）、以及大规模风控图谱的工程落地。
Neo4j 生产性能调优：page cache、内存配置与查询优化实战
系统覆盖 Neo4j 生产环境性能调优：性能问题定位方法论、page cache 与 JVM 堆内存配置、执行计划 EXPLAIN/PROFILE 分析、查询优化技巧（限制深度/参数化/标签先行）、索引设计与复合/全文索引、批量写入与导入性能、常见性能反模式与调优清单。
图数据库选型与集群运维：从 Causal Cluster 到分布式对比
图数据库生产运维手册：Neo4j Causal Cluster 拓扑与因果一致性、读写分离与客户端路由、Fabric 分片与复制策略、neo4j-admin 备份恢复与 PITR、Prometheus 监控告警，以及 NebulaGraph/JanusGraph/Dgraph 集群架构对比与选型决策。
GraphRAG：知识图谱 + 向量检索的检索增强生成实践
GraphRAG 落地指南：传统向量 RAG 的三大局限、实体链接与图检索增强、Neo4j Vector Index 构建与相似度查询、LangChain 集成、微软 GraphRAG/LightRAG 变体对比，以及可评测的工程落地路径。
知识图谱构建实战：从文本到图谱的完整流水线
知识图谱构建工程手册：实体识别（spaCy/预训练模型）与实体链接消歧、基于规则/依赖解析/LLM 的三元组抽取、本体设计与 RDF→属性图映射、从文本清洗到图谱入库的完整流水线实现，附质量评估与增量更新方案。
事务与索引调优：Neo4j ACID、Schema 设计与执行计划分析
Neo4j 生产级调优手册：ACID 事务模型与隔离级别、锁与死锁处理、标签/属性/关系类型的 Schema 设计、单属性/复合/全文/向量索引选型、EXPLAIN 与 PROFILE 执行计划逐运算符解读、page cache 与内存配置调优。
Cypher 高级查询模式：路径表达式、子查询与 APOC 实战
Cypher 高级查询完整手册：路径表达式与可变长度路径、CALL 子查询与 EXISTS/COUNT、APOC 常用过程库（转换、文本、路径扩展、数据导入）、递归树遍历、性能敏感查询模式的规避与优化。
GraphRAG 实战：从向量检索到知识图谱增强检索
传统 RAG 用向量相似度检索文档片段，但在回答"谁和谁有关系"“某事件的完整影响链"这类需要多跳推理的问题时力不从心——关键信息可能分散在不同文档里，向量检索只能局部命中。GraphRAG 将知识表示为实体-关系图谱，用图遍历补足向量检索缺失的关联推理能力 …
Neo4j 与 Cypher 查询语言完全指南
Neo4j 从零到实战：安装部署、Cypher CRUD 操作、MATCH 模式匹配、路径查询、聚合分析、索引与约束、性能调优。含完整代码示例与查询技巧。
图数据模型基础：节点、边与属性
图数据库入门：图论基础概念、属性图模型、标签与类型、与关系型数据库的建模对比。理解为什么"关系即一等公民"让图数据库在关联查询中碾压 SQL。
图数据库选型对比：Neo4j vs JanusGraph vs Dgraph
主流图数据库深度对比：Neo4j、JanusGraph、Dgraph、TigerGraph、ArangoDB 的功能特性、查询语言、扩展能力、性能基准与适用场景。
图数据库专题：从图论基础到知识图谱、图机器学习与生产调优
图数据库以节点和关系为基本建模单元，天然擅长处理社交网络、推荐系统、知识图谱、欺诈检测等关联密集型场景。本专题涵盖属性图模型与图论基础、图建模模式与反模式（超节点/时序图/动态标签）、Neo4j 与 Cypher 查询语言实战（含高级路径表达式、子查询与 APOC 过程库）、RDF 语义网与 SPARQL 查询、事务与索引调优、生产性能调优（page cache/执行计划/批量导入）、图数据科学（GDS）算法库、图嵌入与图神经网络（node2vec/GCN/GraphSAGE）、知识图谱构建实战与 GraphRAG（知识图谱 + 向量检索增强生成）、反欺诈风控图谱、图驱动推荐系统、图数据可视化与分析、Neo4j Causal Cluster 集群运维，以及 Neo4j / JanusGraph / Dgraph 的选型对比与分布式集群架构，为数据工程师和架构师提供从入门到生产运维的完整图数据技术栈。