Algorithmes de graphe

Graphe / Recommandation / Page Rank

La montée en puissance des réseaux sociaux et les besoins de recommandation et cross-selling des sites marchand ont recréé de l’intérêt pour les bases graphes après une quasi-hégémonie des bases de données relationnelles pendant presque 4 décennies.

Les bases graphes simplifient en effet grandement l’écriture des algorithmes suivants :

  • Algorithmes de recommandation par CBR (Content Based Recommandation)
  • Algorithmes de recommandation par collaborative filtering
  • Recherche des chemins les plus courts
  • Détection des éléments centraux
  • Page rank
  • Clusterisation

L’implémentation des bases graphes, qui implique la proximité physique des données et de leur relations, permet d’écrire des algorithmes qui s’appuient sur des traversées de liens, éventuellement nombreuses qui nécessiteraient un grand nombre de jointures en base relationnelle avec les baisses drastiques de performances que l’on connait.

Utiliser une base graphe permet donc d’implémenter les algorithmes mentionnés précédemment et améliore grandement leurs performances (comparativement à une implémentation en base relationnelle).

J’ai eu l’opportunité d’une part, de créer ma propre base graphe (GrapheekDB) et d’autre part de l’utiliser pour implémenter certains de ces algorithmes.

Besoins d'infos supplémentaires ?
Vous pouvez me contacter

Projets associés