🗺️

Roadmap · 下一步

STC + dict 之後的方向 · 主打 POC：用 Neo4j 圖資料庫做關聯查詢

🧪 主打 POC · Neo4j 圖資料庫

🕸️

Neo4j — 把「商品 / POI / 關鍵字」變成可遍歷的圖

POC 階段

ES 適合「關鍵字檢索」，但**「找出實體間的關聯」**並不是它的強項。我們正在試 Neo4j 圖資料庫 —— 同樣一份商品 + 關鍵字資料，重新組織成「點 + 邊」，就能用 Cypher 一行查出共現分群、相關推薦、跨類別關聯。

範例：以「Egg」為中心節點，輻射到 Tech / Sport / Food / City / Company 等類別

圖資料庫怎麼運作？

中心 (Egg:Person) 連到不同「類別」的節點，每條邊有自己的關係類型：STUDY、LIKE、WORK_AT、LIVE_IN、JOIN。

查詢時不用 JOIN —— 直接「**順著關係走**」：「Egg 學過什麼？」「Egg 跟誰一樣愛吃鮮奶茶？」「跟 Egg 同住高雄的還有誰？」

🎯 把這個概念套到 STC 商品資料

(Egg:Person) → (GRP12345:Product) — 一個團體商品 STUDY / LIKE → CONTAINS / HAS_KEYWORD / VISITS Tech / Sport / Food → POI / HOTEL / FOOD / ACTIVITY / 主題 / 區域 類別著色分群 → 沿用第 3 頁 dict 的 9 類分類標籤

📝 Cypher 範例 · 找跟「立山黑部」最常一起出現的 POI

// 圖路徑：POI ← 商品 → POI（共現）
MATCH (a:POI {name:'立山黑部'})<-[:CONTAINS]-(p:Product)-[:CONTAINS]->(b:POI)
WHERE a <> b
RETURN b.name AS 相關景點, count(p) AS 共現次數
ORDER BY 共現次數 DESC LIMIT 10
// 期望結果：合掌村 28 / 兼六園 22 / 白川鄉 18 / 黑部水壩 15 ...

🔍 ES 強項

全文檢索、模糊匹配、tf-idf 排序、向量搜尋；用戶輸入自然語言查商品時的主力。

🕸️ Neo4j 強項

多跳關聯查詢、按分類分群、推薦「相關 POI / 相似商品」、跨類別交叉分析（食物 ↔ 季節 ↔ 區域）。