協(xié)同過濾：
使用網(wǎng)絡(luò)中其他用戶的首選項，評級和操作來查找要推薦的項目。
（買這個東西的用戶，還買了那個東西）
用戶Misty Williams的所有評分
// Show all ratings by Misty Williams
MATCH (u:User {name: "Misty Williams"})
MATCH (u)-[r:RATED]->(m:Movie)
RETURN *;
查找Misty的平均評分：
// Show all ratings by Misty Williams
MATCH (u:User {name: "Misty Williams"})
MATCH (u)-[r:RATED]->(m:Movie)
RETURN avg(r.rating) AS average;
哪些是Misty 評分超過平均分的電影：
// What are the movies that Misty liked more than average?
MATCH (u:User {name: "Misty Williams"})
MATCH (u)-[r:RATED]->(m:Movie)
WITH u, avg(r.rating) AS average
MATCH (u)-[r:RATED]->(m:Movie)
WHERE r.rating > average
RETURN m;
由此，通過計算Misty 評過分的電影，而且找出受到他好評的電影，推薦給其他用戶，就是協(xié)同過濾最基本的做法。
Neo4j 做推薦 （1）—— 基礎(chǔ)數(shù)據(jù)
Neo4j 做推薦 （4）—— 基于內(nèi)容的過濾（續(xù)）
Neo4j 做推薦 （6）—— 加權(quán)內(nèi)容算法
Neo4j 做推薦 （7）—— 基于內(nèi)容的相似度量標準
Neo4j 做推薦 （8）—— 協(xié)同過濾（利用電影評級）
Neo4j 做推薦 （9）—— 協(xié)同過濾（人群的智慧）
Neo4j 做推薦 （10）—— 協(xié)同過濾（皮爾遜相似性）
