Google Prediction API 与图形数据库生成推荐？
（我承认我不是图形数据库或 NoSQL 方面的专家，到目前为止只将其用于一些业余爱好项目。）
我一直在使用 InfiniteGraph 和 Stig 等技术来进行推荐 - 这些图形数据库据说针对诸如此类的任务进行了优化这。看起来新的 Google Predictions API 能够实现相同的目的——给定数据集和用户的实际喜好作为子集，能够预测用户可能实际喜欢什么。
是否有一个确定的指标可以将 Google Predictions 与其他基于图形的数据库进行比较？
(I admit I am no expert in graph databases or NoSQL, having only used it for a few hobby projects so far.)
I've been using technologies like InfiniteGraph and Stig for recommendations - these are graph databases that supposedly are optimized for tasks like this. It looks like the new Google Predictions API is capable of serving the same purpose -- given a data set and a user's actual likes as a subset, be able to predict what the user might actually like.
Is there a sure-metric to compare Google Predictions with other graph-based databases?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
这个预测是非常明显和正确的。但据我所知，Google Prediction API 使用页面排名机制；不确定图数据库。与 Facebook 不同，Google 可能会在 Google+ 中使用 GDB，但在 Neo4j 官方博客之一中，他们没有提及任何有关 Google 的内容。
The prediction is quite obvious and right. But as per my knowledge, Google Prediction API uses Page ranking mechanism; not sure about graph database. Unlike Facebook, Google might using GDB for Google+, but in one of official neo4j blog they haven't mentioned anything about Google.