協(xié)同過(guò)濾：
使用網(wǎng)絡(luò)中其他用戶的首選項(xiàng)笋粟，評(píng)級(jí)和操作來(lái)查找要推薦的項(xiàng)目。
（買(mǎi)這個(gè)東西的用戶篙程，還買(mǎi)了那個(gè)東西）
用戶Misty Williams的所有評(píng)分
// Show all ratings by Misty Williams
MATCH (u:User {name: "Misty Williams"})
MATCH (u)-[r:RATED]->(m:Movie)
RETURN *;
查找Misty的平均評(píng)分：
// Show all ratings by Misty Williams
MATCH (u:User {name: "Misty Williams"})
MATCH (u)-[r:RATED]->(m:Movie)
RETURN avg(r.rating) AS average;
哪些是Misty 評(píng)分超過(guò)平均分的電影：
// What are the movies that Misty liked more than average?
MATCH (u:User {name: "Misty Williams"})
MATCH (u)-[r:RATED]->(m:Movie)
WITH u, avg(r.rating) AS average
MATCH (u)-[r:RATED]->(m:Movie)
WHERE r.rating > average
RETURN m;
由此，通過(guò)計(jì)算Misty 評(píng)過(guò)分的電影，而且找出受到他好評(píng)的電影叉跛，推薦給其他用戶，就是協(xié)同過(guò)濾最基本的做法蒸殿。
Neo4j 做推薦 （1）—— 基礎(chǔ)數(shù)據(jù)
Neo4j 做推薦 （2）—— 基于內(nèi)容的過(guò)濾
Neo4j 做推薦 （3）—— 協(xié)同過(guò)濾
Neo4j 做推薦 （4）—— 基于內(nèi)容的過(guò)濾（續(xù)）
Neo4j 做推薦 （5）—— 基于類(lèi)型的個(gè)性化建議
Neo4j 做推薦 （6）—— 加權(quán)內(nèi)容算法
Neo4j 做推薦 （7）—— 基于內(nèi)容的相似度量標(biāo)準(zhǔn)
Neo4j 做推薦 （8）—— 協(xié)同過(guò)濾（利用電影評(píng)級(jí)）
Neo4j 做推薦 （9）—— 協(xié)同過(guò)濾（人群的智慧）
Neo4j 做推薦 （10）—— 協(xié)同過(guò)濾（皮爾遜相似性）
