推荐

[参考] 基于标签的用户推荐系统

          基于用户和Item的协同过滤算法的分析与实现

version 1.0 基于标签的推荐

1. 根据userid查询该用户创建和参与的所有圈子
2. 查出每一个圈子对应的标签，及其重复次数lableCount（体现用户对标签的兴趣程度）
3. 查出每一个标签对应的所有圈子（排除该用户创建和参与的所有圈子），作为推荐候选圈子集合
4. 计算每一个圈子的兴趣程度，降序排列
5. 查询各推荐圈子详情
6. 2019-03-06 测试成功，满足预期

 

version 1.1 引入兴趣值统计

CREATE TABLE  `user_item_value` (
  `id` INT NOT NULL AUTO_INCREMENT,
  `userid` BIGINT(20) NOT NULL COMMENT '用户id',
  `itemid` BIGINT(20) NOT NULL COMMENT '内容id，如圈子id',
  `itype` CHAR(1) NULL DEFAULT 0 COMMENT '类型0-圈子（默认）',
  `createtime` DATETIME NULL COMMENT '创建时间，如圈子创建时间',
  `ivalue` INT NOT NULL DEFAULT 0 COMMENT '兴趣值',
  `actions` VARCHAR(1024) NULL COMMENT '用户行为轨迹，尾部累加行为类型 a-创建 b-参与 c-点赞 d-献花 e-送钻 f-评论 g-分享',
  PRIMARY KEY (`id`));

1. 根据userid查询该用户感兴趣的所有圈子
2. 查出每一个圈子对应的标签，及其兴趣值value加权和（体现用户对标签的兴趣程度）
3. 查出每一个标签对应的所有圈子（排除该用户浏览过的所有圈子？？），作为推荐候选圈子集合
4. 计算每一个圈子的兴趣程度，降序排列
5. 查询各推荐圈子详情
6. todo 解决分页问题 : 补足条数，已解决
   1. 目前：前台展示的圈子中，ORDER BY sortnum DESC, recommendtime DESC
   2. TODO？？：按照所有用户的兴趣值总和（考虑时间衰减因素）推荐人气圈子
      1. 考虑分页，必须联表circle(isdel=0 and ispublic = 1，已删除和非前台展示圈子)
      2. 联表必须按circleid分表
      3. 分表后，itemid只能是circleid,itype失效，只能是一种类型
      4. 圈子和榜单、教室之间的推荐行为不能贯通了
         1. 如果圈子和榜单、教室想贯通推荐，必须统一标签/分类；目前是独立的
         2. 将标签系统融入到了整个产品线中（典型案例：豆瓣）
         3. 统一分类/标签的必要性，限定内容范围
   3. 后台运营不需要排序了
   4. 如果圈子默认前台展示（有问题关闭；后期考虑敏感词检测，图片鉴黄）
   5. 使用轮播图引导用户
7. 2019-03-08 测试成功，满足预期
8. TODO：推荐理由？？
   1. 您创建的
   2. 您参与的
   3. 。。。
   4. 根据您创建的xxx圈子/标签推荐(私密圈子的行为是否记录，若是，是否根据私密圈子行为推荐)
   5. 根据您参与的xxx圈子推荐
   6. 根据您点赞的xxx圈子推荐
   7. 。。。
   8. 其他：热门圈子

 

version 1.2 标签扩展

1. 根据userid查询该用户感兴趣的所有圈子
2. 查出每一个圈子对应的标签，及其兴趣值value加权和（体现用户对标签的兴趣程度）
3. 标签扩展（感兴趣标签的相似标签：相同分类？？下的余弦相似度）-->标签分类？？
4. 查出每一个标签对应的所有圈子（排除该用户创建和参与的所有圈子），作为推荐候选圈子集合
5. 计算每一个圈子的兴趣程度，降序排列
6. 查询各推荐圈子详情

 

version 2.0 基于用户的推荐

1. 推荐与该用户相似的用户感兴趣的圈子
2. 计算两用户的相似度：余弦相似度
3. 前K个相关用户

 

version3.0 基于圈子的推荐

1. 推荐该用户感兴趣的圈子相似的圈子
2. 计算两圈子的相似度：余弦相似度
3. 前K个相圈子
4. 三个推荐引擎联合推荐：排序与分页