我需要一个神经网络或者像neo4j这样的图形数据库来做建议引擎吗？

Question

我正在为一个演示应用程序构建一个简单的推荐/建议引擎，它维护了一个人员列表。对每个人来说，它用以下偏好来记录他们的饮食习惯：

1. 饮食类型:素食/非素食/素食
2. 喜欢的菜肴:印度、墨西哥、意大利等(一个人可以喜欢不止一个)
3. 有确切时间的食物种类:早餐、午餐、晚餐、晚餐
4. 专业饮食: Keto，血型，Atkins等.
5. 最喜欢的蔬菜:菠菜，西兰花等。
6. 食物过敏要求
7. 地点-城市、地区、街道等。

一旦这些数据提供给系统，我需要建立一个简单的建议引擎-

1. 对于任何被选中的人，建议其他10个在饮食习惯方面最协调的人。
2. 对于被选中的一组人(例如x，最多5)，建议系统中的x+ 10人(这里为15人)，使被选群体中的每个人都有至少一个其他人的兼容习惯。一群人的秩序并不重要。

我在这里的理解是，我不需要对未知数据的未来预测，因此实际上不需要机器学习。我所需要的只是根据现有数据集的统计兼容性提出建议。这些规则主要是基于人们与他们的饮食习惯之间的关系。

我的理解正确吗？这个问题完全可以用像Neo4j这样的图形数据库来解决吗？或者我真的要用Tensorflow建立一个神经模型？

Answer 1

知道选择哪一个最简单的方法就是回答这个更具体的问题。是数据开放世界或封闭世界。

如果你是一个原始的星际迷航粉丝，那么就像斯波克将如何推断，并需要所有的数据才能回答(封闭世界)或船长柯克谁不需要所有的信息之前回答(开放世界)。

考虑到在给出解决方案之前，您已经拥有了所需的所有数据，我想说，您有一个封闭的世界问题，这应该使用Neo4j。

然而，作为逻辑编程的粉丝，我个人的偏好是使用Prolog，特别是斯威-普罗格或水星。