基于neo4j知识图谱的图书推荐系统

基于neo4j知识图谱的图书推荐系统
介绍：系统采用django框架，底层图谱数据库采用neo4j软件存储，系统自带了一份图书数据，可以直接初始化进入neo4j，可以默认生成打分数据，产生用户和图书的关系，有了对应关系，就可以打分，系统比较完整。

用户端功能
1、正常的用户系统功能，包括登录注册，退出系统，等功能。
2、登录后可以看见一个图书列表页，在列表页，可以搜索图书，点击收藏可以收藏图书，点击点赞，可以对书籍点赞，点击分类，可以根据分类过滤。
3、点击某一个图书进入详细页面，详情页面可以评论这个图书，可以再详情页对图书进行打分，注意打分后的数据会进入neo4j，推荐使用
4、点击推荐，会根据你的打分数据去neo4j中进行推荐。
5、可以点进我的收藏和我的点赞，分别看到自己收藏和点赞的信息
6、点击个人中心可以进入个人中心，个人中心可以修改自己的头像，用户名等信息。
7、个人中心可以对图书进行增删改查，可以上传自己的图书，进行分享。

管理员端
1、超级管理员登录后可以对用户增删改查，所有用户。
2、可以对电子书、分类、评论等进行管理，也是可以增删改查。

neo4j推荐的逻辑简介：
这个neo4j语句是用于协同过滤推荐的，匹配符合条件的图上节点，该语句会找到所有与用户KellieStanley有共同评分的其他用户p2和它们之间的共同被评价过的图书m，以及每个图书m与用户KellieStanley之间的评分关系x和p2与m之间的评分关系y。计算两两用户之间的相似度，使用WITH子句将匹配到的节点和关系转换为变量，并计算它们之间的相似度。其中，COUNT(m)表示共同被评价过的图书数量，SUM(x.rating * y.rating)表示两位用户之间图书评分的乘积之和，xDot和yDot分别代表用户的评分向量，xLength和yLength表示用户评分向量的长度。该语句中，REDUCE函数用于计算用户的评分向量的长度，并使用COLLECT函数来收集评分。WHERE子句用于筛选结果集，只保留共同被评价过的图书数量numbermovies大于1的结果。返回相似度最高的前10个用户，返回结果集中每一对相似度最高的用户p1和p2的用户名，以及它们之间的相似度sim。通过ORDER BY子句将相似度从高到低排序，再使用LIMIT子句限制结果集为前10个最相似的用户。

1000