数据分析之图算法: 基于Spark和Neo4j

124

｜

第

7

章

•

超过

18.8

万户商家，涉及

140

万个属性。

•

覆盖

10

个大都市地区。

该数据集自发布以来广受欢迎，有数百篇学术论文使用了其中的数据。

Yelp

数据集代表了

具有良好数据结构且高度互联的真实数据。该数据集很适于展示图算法，你可以下载该数

据集并进行研究。

7.1.1

　

Yelp

社交网络

除了撰写和阅读关于商家的评论，

Yelp

用户还形成了一个社交网络。用户在浏览

Yelp

官

网时可以向遇到的其他用户发送好友请求，也可以关联其通讯录或

Facebook

图。

Yelp

数据集也含有社交网络。图

7-1

是

Mark

的

Yelp

个人资料中

Friends

部分的屏幕截图。

图 7-1：Mark 的 Yelp 个人资料

除了需要给

Mark

多添加几个朋友之外，其他一切都已经准备就绪了。为了说明如何在

Neo4j

中分析

Yelp

数据，这里考虑旅游信息提供商的工作场景。首先探查

Yelp

数据，然后

看看如何用应用程序帮助人们计划行程。本章将逐步介绍如何在像拉斯维加斯这样的大城

市里查找关于住宿和游玩的建议。

另一部分业务场景是为旅游目的地的商家提供咨询。下面通过示例说明如何帮助酒店识别

有影响力的客人，然后帮其确定应该针对哪些业务开展促销活动。

7.1.2

　导入数据

将数据导入

Neo4j

有多种方法，包括使用导入工具、采用

LOAD CSV

命令（之前讲过）和

Neo4j

驱动程序等。