(muszę przyznać, że nie jestem ekspertem w bazach danych wykresu lub NoSQL, że używał go tylko na kilka projektów hobby tak daleko.)Google Prediction API kontra bazy danych wykresów dla wygenerowanych rekomendacji?
Używam technologie takie jak InfiniteGraph i Stig zaleceń - to są bazy danych wykres podobno są zoptymalizowane do takich zadań. Wygląda na to, że nowy interfejs Google Predictions API jest w stanie służyć temu samemu celowi - biorąc pod uwagę zestaw danych i rzeczywiste upodobania użytkownika jako podzbiór, potrafić przewidzieć, co użytkownik może faktycznie polubić.
Czy istnieje pewna metryka do porównywania prognoz Google z innymi bazami bazującymi na wykresach?
Jedną z oczywistych różnic jest to, że Google Predictions to usługa oparta na chmurze, a inne nie. Nie widziałem dotychczas żadnego porównania. –
Możesz ćwiczyć algorytmy z podzestawem danych i testować je z resztą. Ponadto nie sądziłem, że bazy danych wykresów pochodzą z algorytmami zaleceń. Tylko oni zapewniają mechanizm do realizacji własnych. O ile nie mówisz o tym (http://docs.neo4j.org/chunked/milestone/cypher-cookbook-similar-favorites.html), co jest po prostu banalnym przykładem, IMO. –