सिफ़ारिश इंजन बनाना
उपयोगकर्ताओं और वस्तुओं के बीच के कनेक्शन का लाभ उठाकर Neo4j उन्नत सिफ़ारिश प्रणालियों को कैसे सक्षम करता है, यह समझिए।
सिफ़ारिश इंजन बनाना, CoddyKit पर Neo4j ग्राफ़ डेटाबेस की मूल बातें का एक निःशुल्क पाठ है। यह 4 में से 1वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह Neo4j ग्राफ़ डेटाबेस की मूल बातें सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। Neo4j ग्राफ़ डेटाबेस की मूल बातें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
अनुशंसाएँ क्या होती हैं?
क्या आपने कभी ध्यान दिया है कि स्ट्रीमिंग सेवाएँ आपका अगला शो सुझाती हैं या ऑनलाइन स्टोर आपके लिए पसंद आ सकने वाले उत्पादों की अनुशंसा करते हैं? यह जादू अनुशंसा इंजन से होता है।
ये सिस्टम उपयोगकर्ता के व्यवहार और आइटम की विशेषताओं का विश्लेषण करके अनुमान लगाते हैं कि उपयोगकर्ता की रुचि किसमें होगी। इनका उद्देश्य उपयोगकर्ता अनुभव को बेहतर बनाना और सहभागिता बढ़ाना है।
ग्राफ़ और अनुशंसाएँ
Neo4j जैसे ग्राफ़ डेटाबेस अनुशंसा इंजन बनाने के लिए विशेष रूप से उपयुक्त होते हैं, क्योंकि वे कनेक्शन के मॉडल और क्वेरी बनाने में उत्कृष्ट हैं।
अनुशंसाएँ पूरी तरह संबंधों पर आधारित होती हैं: उपयोगकर्ता आइटम पसंद करते हैं, उपयोगकर्ता अन्य उपयोगकर्ताओं के समान होते हैं, और आइटम अन्य आइटम से संबंधित होते हैं। ग्राफ़ इन कनेक्शन को स्वाभाविक रूप से दर्शाता है।
उपयोगकर्ता-आइटम डेटा का मॉडल बनाना
Neo4j में हम उपयोगकर्ताओं और आइटम को नोड के रूप में तथा उनकी अंतःक्रियाओं को संबंधों के रूप में मॉडल करते हैं।
- उपयोगकर्ता नोड: व्यक्तियों को दर्शाते हैं (जैसे,
(:User {name: 'Alice'}))। - आइटम नोड: उत्पादों, फ़िल्मों और लेखों को दर्शाते हैं (जैसे,
(:Movie {title: 'The Matrix'}))। - अंतःक्रिया संबंध: उपयोगकर्ताओं और आइटम को जोड़ते हैं (जैसे,
-[:LIKES]->,-[:BOUGHT]->,-[:RATED {score: 5}]->)।
प्रारंभिक अनुशंसा डेटा
आइए, इसे समझाने के लिए एक छोटा ग्राफ़ बनाएँ। इसमें उपयोगकर्ता, फ़िल्में और LIKES संबंध होंगे।
यह सरल मॉडल अनुशंसाएँ खोजने के लिए कनेक्शन का आसानी से अन्वेषण करने देता है।
CREATE (:User {name: 'Alice'})-[:LIKES]->(:Movie {title: 'Inception'})
CREATE (:User {name: 'Alice'})-[:LIKES]->(:Movie {title: 'The Matrix'})
CREATE (:User {name: 'Bob'})-[:LIKES]->(:Movie {title: 'The Matrix'})
CREATE (:User {name: 'Bob'})-[:LIKES]->(:Movie {title: 'Interstellar'})
CREATE (:User {name: 'Charlie'})-[:LIKES]->(:Movie {title: 'Inception'})
CREATE (:User {name: 'Charlie'})-[:LIKES]->(:Movie {title: 'Interstellar'})आइटम-आधारित अनुशंसाएँ
आइटम-आधारित अनुशंसा ऐसे आइटम सुझाती है, जो उपयोगकर्ता की पहले से पसंद की गई चीज़ों के समान हों। विचार यह है: 'जिन उपयोगकर्ताओं ने यह आइटम पसंद किया, उन्होंने वह आइटम भी पसंद किया।'
हम ऐसे आइटम खोजते हैं जिन्हें वही उपयोगकर्ता अक्सर एक साथ पसंद करते हैं। संबंधित उत्पाद या सामग्री सुझाने के लिए यह बहुत उपयोगी है।
Cypher: आइटम-आधारित अनुशंसाएँ
आइए, अन्य उपयोगकर्ताओं की पसंद के आधार पर 'The Matrix' जैसी फ़िल्में खोजें।
हम उन उपयोगकर्ताओं को खोजते हैं जिन्होंने 'The Matrix' पसंद की, और फिर देखते हैं कि उन्हीं उपयोगकर्ताओं ने और कौन-सी फ़िल्में पसंद कीं।
MATCH (m1:Movie {title: 'The Matrix'})<-[:LIKES]-(u:User)-[:LIKES]->(m2:Movie)
WHERE m1 <> m2
RETURN m2.title AS RecommendedMovie, count(DISTINCT u) AS LikedBySameUsers
ORDER BY LikedBySameUsers DESC
LIMIT 3उपयोगकर्ता-आधारित अनुशंसाएँ
उपयोगकर्ता-आधारित अनुशंसा ऐसे आइटम सुझाती है जिन्हें समान उपयोगकर्ताओं ने पसंद किया है। मूल विचार यह है: 'आप जैसे लोगों ने इन आइटम को पसंद किया।'
पहले हम समान रुचि वाले उपयोगकर्ताओं की पहचान करते हैं, फिर ऐसे आइटम सुझाते हैं जिन्हें उन समान उपयोगकर्ताओं ने पसंद किया हो, लेकिन वर्तमान उपयोगकर्ता ने अभी तक न देखा हो।
Cypher: उपयोगकर्ता-आधारित अनुशंसाएँ
आइए, उसके समान उपयोगकर्ताओं के आधार पर वे फ़िल्में खोजें जो 'Alice' को पसंद आ सकती हैं।
हम उन उपयोगकर्ताओं को खोजते हैं जिन्होंने Alice की पसंद वाली फ़िल्में पसंद कीं, फिर ऐसी फ़िल्में सुझाते हैं जिन्हें उन्होंने पसंद किया, लेकिन Alice ने नहीं।
MATCH (alice:User {name: 'Alice'})-[:LIKES]->(m:Movie)<-[:LIKES]-(otherUser:User)
WHERE alice <> otherUser
WITH otherUser, collect(m) AS commonMovies
MATCH (otherUser)-[:LIKES]->(recommendedMovie:Movie)
WHERE NOT (alice)-[:LIKES]->(recommendedMovie)
RETURN recommendedMovie.title AS RecommendedMovie, count(DISTINCT otherUser) AS LikedBySimilarUsers
ORDER BY LikedBySimilarUsers DESC
LIMIT 3अनुशंसाओं को बेहतर बनाना
अधिक डेटा शामिल करके अनुशंसा इंजनों को और उन्नत बनाया जा सकता है:
- रेटिंग: पसंद की तीव्रता दर्ज करने के लिए
-[:RATED {score: 4}]->का उपयोग करें। - सामग्री की विशेषताएँ: फ़िल्मों को
-[:HAS_GENRE]->या उत्पादों को-[:IS_CATEGORY]->के माध्यम से जोड़ें। - समय-चिह्न: नई जानकारी बनाए रखने के लिए हाल की अंतःक्रियाओं को ध्यान में रखें।
इससे अधिक प्रासंगिक सुझाव देने के लिए ग्राफ़ में अतिरिक्त समृद्धि आती है।
अनुशंसा क्वेरी जाँच
(:User)-[:WATCHED]->(:Movie) संबंधों वाले एक ग्राफ़ पर विचार कीजिए। निम्नलिखित में से कौन-से Cypher पैटर्न ऐसी क्वेरी का हिस्सा हो सकते हैं, जो 'Bob' के समान उपयोगकर्ताओं द्वारा देखी गई, लेकिन 'Bob' द्वारा अभी तक न देखी गई फ़िल्में खोजे?
पुनरावृत्ति: अनुशंसा इंजन
इस पाठ में आपने सीखा कि संबंधों को प्राथमिकता देने वाली अपनी संरचना के कारण Neo4j अनुशंसा इंजन बनाने के लिए आदर्श है।
- हमने उपयोगकर्ताओं, आइटम और उनकी अंतःक्रियाओं को नोड और संबंधों के रूप में मॉडल किया।
- आपने व्यावहारिक Cypher क्वेरी का उपयोग करके आइटम-आधारित और उपयोगकर्ता-आधारित, दोनों अनुशंसा रणनीतियों का अन्वेषण किया।
- आपने यह भी देखा कि अधिक उन्नत अनुशंसाओं के लिए अपने ग्राफ़ मॉडल को कैसे समृद्ध किया जा सकता है।
ग्राफ़ डेटाबेस जटिल अनुशंसा तर्क को सरल बनाते हैं, जिससे वह सहज और तेज़ बन जाता है!
एआई शिक्षक के साथ Neo4j ग्राफ़ डेटाबेस की मूल बातें सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 12
- पाठ
- 48
अक्सर पूछे जाने वाले प्रश्न
क्या “सिफ़ारिश इंजन बनाना” पाठ निःशुल्क है?
हाँ — Neo4j ग्राफ़ डेटाबेस की मूल बातें अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “सिफ़ारिश इंजन बनाना” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। Neo4j ग्राफ़ डेटाबेस की मूल बातें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“सिफ़ारिश इंजन बनाना” में मैं क्या सीखूँगा?
उपयोगकर्ताओं और वस्तुओं के बीच के कनेक्शन का लाभ उठाकर Neo4j उन्नत सिफ़ारिश प्रणालियों को कैसे सक्षम करता है, यह समझिए। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ Neo4j ग्राफ़ डेटाबेस की मूल बातें का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या Neo4j ग्राफ़ डेटाबेस की मूल बातें शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर Neo4j ग्राफ़ डेटाबेस की मूल बातें शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 1वाँ पाठ है।
“सिफ़ारिश इंजन बनाना” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस Neo4j ग्राफ़ डेटाबेस की मूल बातें पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर Neo4j ग्राफ़ डेटाबेस की मूल बातें पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।