基于内容推荐流程

基于内容推荐流程

①建立物品画像

• ①用户打tag②电影的分类值
• 根据电影的id 把tag和分类值合并起来 求tf-idf
• 根据tf-idf的结果 为每一部电影筛选出 top-n（tf-idf比较大的）个关键词
• 电影id-关键词-关键词权重

②建立倒排索引

• 通过关键词找到电影
• 遍历 电影id-关键词-关键词权重 数据，读取每一个关键词，用关键词作为key[(关键词对应的电影id，tfidf)]作为value 保存到dict当中

③用户画像

• 看用户看过那些电影，到电影的 电影id-关键词-关键词权重 数据中 找到电影所对应的关键词
• 把用户看过的所有的关键词放到一起 统计词频 每个词出现了几次
• 出现次数多的关键词 作为用户的兴趣词，这个兴趣词实际上就是用户画像的关键词

④根据用户的兴趣词 找到兴趣词对应的电影 多个兴趣词可能对应一个电影{电影id：{关键词1权重，关键词2权重}}

• 把每一部电影对应的关键词权重求和之后 排序 权重比较高的排在前面 推荐给用户