[转]关联推荐功能实现

关联推荐介绍 

关联推荐 包括 基于行为的推荐(user-based，相对来说困难些) 和 基于内容的推荐(item-based，相对来说简单些)。 

行为推荐可以基于日志数据，比如订单数据、访问日志等。比如你在当当网上查看一本书时，当当会推荐“买过此书的用户还买过什么书”。 

内容推荐比较简单些，只需梳理内容之间的关联性即可得到基础数据，之后做推荐。比如你在当当网上查看一本书时，当当会推荐“你可能对以下所列书籍也感兴趣”。或者书籍组合推荐之类的。 

具体案例即实现： 
基础表： 

具体案例及实现 
案例描述： 
基础表中有用户(user_group_map)访问应用的日志(user_hitrate_log)信息，基于这写基础表数据，实现为用户推荐关联应用的功能(即基于行为的推荐)。 

基础表： 

-------------------------三个月  访问过此应用的同组用户 
CREATE TABLE CRMTEST.log_ref_user 
( 
  resourceid        varchar(32)       NOT NULL, 
  url        varchar(120)       , 
  group_id         VARCHAR(32)     NOT NULL, 
  USERID         VARCHAR(32)     NOT NULL, 
  group_userid  VARCHAR(32)     NOT NULL 
) 
  DATA CAPTURE NONE 
  IN TBS_DEV1; 
  
comment on CRMTEST.log_ref_user 
( 
  resourceid        is '资源id', 
  url        is '资源url', 
  group_id         is '用户组id', 
  USERID         is '用户id', 
  group_userid  is '同组用户id' 
); 
-----------------三个月  访问过此应用的同组用户 三个月内  还访问的应用排名 
CREATE TABLE CRMTEST.log_ref_resource 
( 
group_id         VARCHAR(32)     NOT NULL, 
  resourceid        varchar(32)       , 
  url        varchar(120)       , 
  ref_resourceid  VARCHAR(32)     NOT NULL, 
  ref_resourcename  VARCHAR(32)     , 
  ref_resourceurl  VARCHAR(120)     , 
  ref_visitcount  integer     , 
  ref_rank  integer    , 
  ref_resourcetype  integer     
) 
  DATA CAPTURE NONE 
  IN TBS_DEV1; 
  
comment on CRMTEST.log_ref_resource 
( 
group_id         is '用户组id', 
  resourceid        is '资源id', 
  url             is '资源url', 
  ref_resourceid  is '关联应用id', 
  ref_resourcename  is '关联应用名称', 
  ref_resourceurl  is '关联应用url', 
  ref_visitcount  is '关联应用访问次数', 
  ref_rank  is '关联应用排名', 
  ref_resourcetype is '关联应用的资源类型' 
); 

关联推荐算法/口径： 

关联推荐算法/口径： 
-------------------------三个月  访问过此应用的同组用户 
insert into log_ref_user 
  (resourceid, url, group_id, userid, group_userid) 
  select s1.uniqueid, url, s1.group_id, s1.userid, s2.userid 
    from (select uniqueid, group_id, t1.userid 
            from user_hitrate_log t1 
            left join user_group_map t2 on t1.userid = t2.userid 
           where hittime >= '2011-01-01 00:00:00' 
             and hittime <= '2011-04-01 00:00:00' 
           group by uniqueid, group_id, t1.userid 
           order by uniqueid, group_id) s1 
    left join (select uniqueid, group_id, t1.userid 
                 from user_hitrate_log t1 
                 left join user_group_map t2 on t1.userid = t2.userid 
                where hittime >= '2011-01-01 00:00:00' 
                  and hittime <= '2011-04-01 00:00:00' 
                group by uniqueid, group_id, t1.userid 
                order by uniqueid, group_id) s2 on s1.uniqueid = 
                                                   s2.uniqueid 
                                               and s1.group_id = 
                                                   s2.group_id 
    left join sys_menu_item s3 on s1.uniqueid = char(s3.menuitemid) 
   where s1.userid != s2.userid 
   order by s1.uniqueid, s1.group_id 

-----------------三个月  访问过此应用的同组用户 三个月内  还访问的应用排名 
insert into log_ref_resource 
  (group_id, 
   resourceid, 
   url, 
   ref_resourceid, 
   ref_resourcename, 
   ref_resourceurl, 
   ref_resourcetype, 
   ref_visitcount) 
  select group_id, 
         t1.resourceid, 
         t1.url, 
         uniqueid, 
         menuitemtitle, 
         t3.url, 
         resource_type, 
         count(*) num 
    from log_ref_user t1 
    left join user_hitrate_log t2 on t1.group_userid = t2.userid 
    left join sys_menu_item t3 on t2.uniqueid = char(t3.menuitemid) 
   where hittime >= '2011-01-01 00:00:00' 
     and hittime <= '2011-04-01 00:00:00' 
     and t1.resourceid != uniqueid 
   group by group_id, 
            t1.resourceid, 
            t1.url, 
            uniqueid, 
            menuitemtitle, 
            t3.url, 
            resource_type 
   order by group_id, t1.resourceid, num desc 

三个月  访问过此应用的同组用户 这个口径 可能有点难理解（其实就是一个自关联的笛卡尔积），回头补充些示例数据吧。。。 

这个案例只是关联推荐的一个简单实现，没有考虑 最低支持度/置信度、及性能（剪枝）之类的问题。