第7章 场景实战与选型：把能力收拢进业务

第 7 章 · 场景实战与选型

章节摘要：前六章的查询、写入、运维、内核与工具，在本章全部变成业务武器：推荐系统用协同信号与相似度算出"你可能想要"，欺诈检测用路径指纹与环结构揪出团伙，知识图谱把散落的事实连成可问答的网，路径查找用权重导航撑起物流与地图类应用。收官一节给一张"该不该上图"的决策清单，把六个场景的共性规律收拢成可复用的判断框架。读完本章，你不仅会用 Neo4j，还能论证什么时候该用它。

学习目标

读完本章，你应当能够：

1. 设计推荐系统的图信号（行为边 + 相似度），并区分离线计算与在线查询的分工；
2. 用变长路径与环检测定位欺诈团伙，理解"共享设备/资金环路"两类指纹；
3. 构建小型知识图谱：实体抽取后的 schema 设计、歧义消解与自然语言问答的翻译层；
4. 用加权最短路径建模导航与物流问题，掌握动态权重的落地方式；
5. 判断一个新业务该不该用图：用收官节的五问决策清单过一遍；
6. 把一个模糊的业务需求拆解为"节点、关系、属性"的建模草案。

核心概念速览

六个场景共享同一条解题路径：业务问题 → 图信号 → 查询/算法 → 在线服务。场景在变，路径不变——这正是本章要传递的"可迁移能力"。

一句话概括本章：场景只是皮，"把关联变成信号"才是骨。

子章节导航

7.1 推荐系统与社交网络——最经典的图应用。共同行为是信号，朋友的朋友是候选；离线跑相似度写回、在线查邻居出结果的双层架构；冷启动的图式解法。

7.2 欺诈检测——欺诈者会伪装属性，但伪装不了关联拓扑。共享设备与共享收款账户两类指纹、资金环路与卡环检测的变长路径写法、团伙发现的社区算法落地。

7.3 知识图谱——把文本与表格里的实体连成网：schema 先行的建模纪律、实体对齐的工程手段、"自然语言问句翻译成 Cypher"的问答链路。

7.4 路径查找与导航——物流、地图、依赖调用的共同问题形状：加权最短路径。Cypher 的 shortestPath 与 GDS 的 Dijkstra 各自的适用范围，动态权重（实时路况）的更新策略。

7.5 更多场景与选型决策——主数据管理、物联网、身份网络等场景的图式要点速览；收官的五问决策清单："这个需求该不该用图？"

子章节之间的逻辑关系

四节场景各有侧重但共享"信号建模"的方法论，第五节收拢。依赖上，7.1 与 7.2 直接调用 5.3 的算法库，7.4 呼应 2.3 的路径能力，7.5 复用 6.4 的部署决策框架——本章是全册能力的汇合点。

7.1 推荐 ─┐
7.2 欺诈 ─┤ 都调用 5.3 算法与 2.3 路径
7.3 知识图谱 ─┤
7.4 导航 ─┘
        ▼
7.5 五问决策清单（全册收官）
​

本章动手清单

1. 在 Movie 图上实现 7.1 的"共同出演推荐"，加一句推荐理由输出；
2. 构造 5 个账号 + 2 台设备的小图，跑通 7.2 的共享设备指纹查询；
3. 把 7.4 的路网扩两个城市，改一次权重，重跑加权最短路径；
4. 用 7.5 的五问清单评估你自己的业务，写下结论与依据。

前置知识与后续延伸

前置：第 2 章 Cypher 查询（本章的语言工具）、5.3 节 GDS 三步流程（本章的算法工具）；各节业务背景自带解释，不需要领域知识储备。

后续：本章结束，全册的知识地图走完。往深里走的方向各有出口：算法深化回到 5.3 的 GDS 文档体系，工程深化回到 3、4 两章的运维与集成，架构深化落在 7.5 的选型框架与 6.4 的部署形态组合上。