3. GraphAware
TM
Articles que vous pourriez lire
Livres que vous pourriez acheter
Personnes que vous pourriez connaitre
Personnes que vous pourriez rencontrer
Personnes auxquelles vous pourriez présenter
votre produit
…
Recommandation
12. GraphAware
TM
Après une session de brainstorming, votre équipe
définit de la façon suivante comment trouver des
personnes que vous pourriez connaître:
Exemple
13. GraphAware
TM
Contacts en commun
Amis Facebook en communs
Contacts email/mobile en commun
Tous les autres contacts email/mobile
Travaillé pour la même société
Etudié à la même école
Partage le même intérêt
Vit dans la même ville
Personnes que vous pourriez connaître
15. GraphAware
TM
Plus de contacts en commun = meilleure chance?
Même ville / école / société = la taille compte?
Qu’en est-t-il des emails qui ne représentent pas
une personne ?
Et les personnes déjà connectées?
Et celles en attente…
Et celles rejetées…
Et celles ignorées répétivement…
Personnes que vous pourriez connaître
16. GraphAware
TM
Trouver des “choses” à recommander
Servir les recommandations les plus rélévantes
Mesurer la qualité des recommandations
Time to market / coût du développement
Challenges Business
21. GraphAware
TM
Alors on a sorti une architecture de base open-
source d’un moteur de recommandation qui vous
aidera à résoudre tous ces challenges.
On l’a fait
22. GraphAware
TM
plugin Neo4j (utilise GraphAware Framework)
vous devez utiliser un langage JVM
architecture dogmatique
ultra rapide
ultra flexible
gère toute l’encapsulation
Moteur de recommandation
23. GraphAware
TM
Un moteur par “raison” de recommandation
(core logic)
Le moteur effectuée une traversée dans le graphe
pour trouver des produits/personnes/..
Les moteurs sont assemblés ensemble dans un
moteur de haut-niveau
Décisions d’architecture
25. GraphAware
TM
Un moteur par “raison” de recommandation
(core logic)
Le moteur effectuée une traversée dans le graphe
pour trouver des produits/personnes/..
Les moteurs sont assemblés ensemble dans un
moteur de haut-niveau
Les produits trouvés plusieurs fois sont plus
rélévants
La rélévance dépend de la vitesse à laquelle un
produit a été trouvé
Décisions d’architecture
27. GraphAware
TM
Un moteur par “raison” de recommandation
(core logic)
Le moteur effectuée une traversée dans le graphe pour
trouver des produits/personnes/..
Les moteurs sont assemblés ensemble dans un moteur
de haut-niveau
Les produits trouvés plusieurs fois sont plus rélévants
La rélévance dépend de la vitesse à laquelle un produit a
été trouvé
Produits qui ne doivent pas être recommandés
Décisions d’architecture
29. GraphAware
TM
Input -> Engine -> Recommandations
Scores et Score Transformers
Blacklists
Filters
Post-processors
Context (combien, en combien de temps,…?)
Loggers
Architecture
30. GraphAware
TM
En 5 minutes, on va construire un moteur de
recommandation qui vous proposera des personnes
avec qui vous pourriez vous connecter.
Let’s code
52. GraphAware
TM
Trouver des “choses” à recommander
Servir les recommandations les plus rélévantes
Mesurer la qualité des recommandations
Time to market / coût du développement
Challenges Business
55. GraphAware
TM
Habilité intégrée pour pré-computer les
recommandations
Autres classes intégrées
Time-based ParticipationPolicy
Raisons for Recommendation
Contribuez !
https://github.com/graphaware/neo4j-reco
Il y a encore plus !
57. GraphAware
TM
Le Framework GraphAware rend facile la
conception, le test et le déploiement de
fonctionnalités pour Neo4j, aussi bien génériques
que spécifiques à un domaine.
GraphAware Framework