电影推荐查询的 Neo4j 密码查询性能问题

Question

我目前正在处理一个电影推荐查询，该查询应该使用以下密码查询返回具有最大“推荐影响”的电影：

match (m:Movie) 
with m, size((m)<-[:LIKED]-(:User)-[:LIKED]->(:Movie)) as score
order by score desc
limit 10
return m.title, score

在阅读了 graphdb (neo4j) 电子书后，我假设这对于 neo4j 来说应该是一个简单的查询，但执行时间需要 32737 毫秒，这不是我所期望的。有没有人对这类查询有经验并且有任何提高性能的建议？或者这个查询是否应该表现良好，我是否需要做一些 neo4j / java 配置调整？

查询的概况：

结果：

Answer 1

也许这是你可以预先计算出来的。

您的分数与每个用户喜欢的电影数量有关。为什么不计算并存储每个用户喜欢的电影数量（假设用户只能喜欢一部电影，而不是多次）？

请注意，这只有在您只关心每个用户喜欢的电影数量并且可以将它们相加时才有意义，即使它们代表许多用户对同一部电影的多个喜欢。

MATCH (u:User)
SET u.likedCount = SIZE((u)-[:LIKED]->(:Movie))

每次用户喜欢（或不喜欢）另一部电影时，您都需要更新它。

为所有用户预先填充后，您的评分查询现在变为：

MATCH (m:Movie)
WITH m
MATCH (m)<-[:LIKED]-(u:User)
WITH m, SUM(u.likedCount) as score
ORDER BY score desc
LIMIT 10
RETURN m.title, score

编辑

这当然包括来自相关电影的每个用户的喜欢。如果你真的需要考虑这一点，你需要调整你的：

WITH m, SUM(u.likedCount) - count(u) as score

如果您只想在评分中计算用户喜欢的不同电影，那么您无法预先计算并且必须使用类似 stdob-- 的答案。

Answer 2

试试这个查询：

MATCH (M:Movie)<-[:LIKED]-(:User)-[:LIKED]->(R:Movie)
WITH M, 
     size( collect(distinct R) ) as score
RETURN M.title as title, 
       score 
ORDER BY score DESC LIMIT 10

作为一个选项：

MATCH (M:Movie)<-[:LIKED]-(:User)-[:LIKED]->(R:Movie)
RETURN M.title as title, 
       count(R) as score
ORDER BY score DESC LIMIT 10