基本信息
编辑推荐
世界上的大部分领域实际上都可以建模成图，而软件开发人员或是数据库管理人员却在辛辛苦苦地将这些图转化成关系型数据库中的表。想象一下，假如你再也不用去做这样的转化，假如数据库的迁移可以变得轻松简单，你愿意去接受一个全新的数据库吗？图数据库就是这样一个完全不同于关系型数据库的新型数据库，它处理的是大规模的数据和不断变化的需求。
本书的三位作者均为Neo4j Technology公司的技术高手，他们对图数据库及其解决方案有丰富的经验，其中一位甚至还是Neo4j图数据库的联合创始人。
本书揭秘图数据库是如何帮你管理和查询高度关联的数据的。有了这本实用的书，你将会学到如何设计和实施图数据库，在广泛的问题域中展现“图”的力量。无论你是想更快地响应用户查询，还是想构建快速适应业务发展的数据库，这本书都会向你将无模式（schema-free）的图模型应用于实际问题的具体方法。
阅读这本书，你还可以学到不同的组织是如何使用图数据库击败其竞争对手的。有了本书中的数据建模、查询和代码示例，你很快就能实现一个自己的解决方案。
内容简介
作译者
作者介绍
Ian Robinson是《REST实战》（O'Reilly，2010）一书的共同作者。他是Neo科技公司的工程师，致力于开发Neo4j数据库的分布式版本。在加入开发团队之前，他曾任Neo科技的客户成功总监，管理Neo的培训、专业服务和业务支持，和客户并肩设计和开发至关重要的图数据库解决方案。Ian加入Neo科技公司之前供职于ThoughtWorks，在那里，他是SOA实践领头人，并且是CTO全球技术顾问会的一员。Ian经常在世界范围内的会议上贡献关于图数据库技术的应用程序和RESTful企业级集成的话题。
Jim Webber博士是Neo科技公司的首席科学家，他研究新的图数据库并开发开源软件。在这之前，Jim研究像Web这样大规模的图来建造分布式系统，这也使得他成为REST in Practice（O’Reilly）的作者之一，在这之前他还出版过Developing Enterprise Web Services: An Architect’s Guide（Prentice Hall，2003）。Jim在开发社区很活跃，
Emil Eifrem是Neo科技公司的CEO和Neo4j项目的共同创始人。创建Neo之前，他是Windh AB的CTO，在那里他领导非常复杂的企业内容管理系统的信息架构开发。致力于可持续开源软件，Emil指引Neo在提供免费软件和商业效益之间走向平衡。Emil作为演讲者和作者活跃于各种NOSQL会议。
译者介绍
刘璐，软件开发工程师，就职于ThoughtWorks，专注于软件开发领域，对数据存储领域有浓厚兴趣。
梁越，前端工程师，就职于ThoughtWorks，对前后端开发都有涉猎，有在大型项目中应用图数据库的开发经验。
Ian Robinson是《REST实战》（O'Reilly，2010）一书的共同作者。他是Neo科技公司的工程师，致力于开发Neo4j数据库的分布式版本。在加入开发团队之前，他曾任Neo科技的客户成功总监，管理Neo的培训、专业服务和业务支持，和客户并肩设计和开发至关重要的图数据库解决方案。Ian加入Neo科技公司之前供职于ThoughtWorks，在那里，他是SOA实践领头人，并且是CTO全球技术顾问会的一员。Ian经常在世界范围内的会议上贡献关于图数据库技术的应用程序和RESTful企业级集成的话题。
Jim Webber博士是Neo科技公司的首席科学家，他研究新的图数据库并开发开源软件。在这之前，Jim研究像Web这样大规模的图来建造分布式系统，这也使得他成为REST in Practice（O’Reilly）的作者之一，在这之前他还出版过Developing Enterprise Web Services: An Architect’s Guide（Prentice Hall，2003）。Jim在开发社区很活跃，
Emil Eifrem是Neo科技公司的CEO和Neo4j项目的共同创始人。创建Neo之前，他是Windh AB的CTO，在那里他领导非常复杂的企业内容管理系统的信息架构开发。致力于可持续开源软件，Emil指引Neo在提供免费软件和商业效益之间走向平衡。Emil作为演讲者和作者活跃于各种NOSQL会议。
译者介绍
刘璐，软件开发工程师，就职于ThoughtWorks，专注于软件开发领域，对数据存储领域有浓厚兴趣。
梁越，前端工程师，就职于ThoughtWorks，对前后端开发都有涉猎，有在大型项目中应用图数据库的开发经验。
目录
第1章 简介 1
1.1 图是什么 1
1.2 图领域概览 3
1.2.1 图数据库 4
1.2.2 图计算引擎 6
1.3 图数据库的威力 7
1.3.1 性能 7
1.3.2 灵活性 7
1.3.3 敏捷性 7
1.4 小结 8
第2章 关联数据的存储选择 9
2.1 关系型数据库缺少联系 9
2.2 NoSQL数据库也缺少联系 12
2.3 图数据库拥抱联系 15
2.4 小结 20
第3章 使用图进行数据建模 21
3.1 模型和目标 21
3.2 带标签的属性图模型 22
3.3 查询图：Cypher简介 23
3.3.1 Cypher的理念 23
1.1 图是什么 1
1.2 图领域概览 3
1.2.1 图数据库 4
1.2.2 图计算引擎 6
1.3 图数据库的威力 7
1.3.1 性能 7
1.3.2 灵活性 7
1.3.3 敏捷性 7
1.4 小结 8
第2章 关联数据的存储选择 9
2.1 关系型数据库缺少联系 9
2.2 NoSQL数据库也缺少联系 12
2.3 图数据库拥抱联系 15
2.4 小结 20
第3章 使用图进行数据建模 21
3.1 模型和目标 21
3.2 带标签的属性图模型 22
3.3 查询图：Cypher简介 23
3.3.1 Cypher的理念 23
书摘
有效的推荐是通过有推理或联想能力的应用程序产生最终用户价值的典型示例。商业应用通常使用演绎或精确的算法（计算工资、申报纳税等）来产生最终用户价值，而推荐算法则通过归纳和建议来识别人、产品、个人或群体可能感兴趣的服务。
推荐算法在人和事物之间建立联系：人和其他人、产品、服务、媒体内容——任何在采用了推荐算法的领域内的相关事物。联系的建立是基于用户行为，比如说购买、生产、消费、打分或评论有关资源这样的行为。推荐引擎可以识别出某些资源会吸引特定个人或群体，或是某些个人和群体可能感兴趣的特定资源。前一种方式是为了找到能吸引特定用户的资源，我们讨论的用户行为（他的购买行为、表达方式或是在打分和评论中表现出的态度）是和其他用户相关的，由此找到相似的用户，从而确定那些把他们关联起来的事物。后一种方式是为特定的资源找到对它们感兴趣的用户或群组，所以它更关注于我们所讨论的资源；然后推荐引擎会找到相似的资源，以及和那些资源相关联的用户。
在社交领域的用例中，一个有效的推荐依赖于我们对事物之间的关联的理解，同时也依赖于这些关联的质量和强度——属性图是所有这些东西的最佳表达方式。查询是图主要的用途，在图中它们可以从一个或多个可识别的主体开始，无论是人还是资源，由此开始发掘其周围的部分。
推荐算法在人和事物之间建立联系：人和其他人、产品、服务、媒体内容——任何在采用了推荐算法的领域内的相关事物。联系的建立是基于用户行为，比如说购买、生产、消费、打分或评论有关资源这样的行为。推荐引擎可以识别出某些资源会吸引特定个人或群体，或是某些个人和群体可能感兴趣的特定资源。前一种方式是为了找到能吸引特定用户的资源，我们讨论的用户行为（他的购买行为、表达方式或是在打分和评论中表现出的态度）是和其他用户相关的，由此找到相似的用户，从而确定那些把他们关联起来的事物。后一种方式是为特定的资源找到对它们感兴趣的用户或群组，所以它更关注于我们所讨论的资源；然后推荐引擎会找到相似的资源，以及和那些资源相关联的用户。
在社交领域的用例中，一个有效的推荐依赖于我们对事物之间的关联的理解，同时也依赖于这些关联的质量和强度——属性图是所有这些东西的最佳表达方式。查询是图主要的用途，在图中它们可以从一个或多个可识别的主体开始，无论是人还是资源，由此开始发掘其周围的部分。
