協同過濾：

使用網路中其他使用者的首選項，評級和操作來查詢要推薦的專案。

（買這個東西的使用者，還買了那個東西）

使用者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 *;

查詢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，推薦給其他使用者，就是協同過濾最基本的做法。