使用搜索引擎定制推荐系统

为什么80%的码农都做不了架构师？>>>   

推荐系统在现代网站中经常用到，不同类型的运营需要不同的推荐策略，并且推荐策略需要简单易懂，能方便运维人员人工调整。本文以全文搜索引擎为例子讲解如何定制为一个推荐系统。

###基本原理 推荐系统的基本原理是先把相关的产品项分析出来，如

"male age18  1000 1010 1020 ..."

这里的"1000 1010 1020"是产品的ID。当有一个18岁男性用户关注了"1000 1020"这两个产品，就以条件

"male age18 1000 1020"

进行搜索，取得包括这全部条件的文本，然后把"1010"这个产品推荐给用户。

###实时推荐 有些有热度的关联产品只有几天的时间，过了后关联性就迅速减弱，这时需要实时推荐。实时推荐的原理是把每个用户当天（或者最近几天）花长时间浏览的产品记录下来，当新用户也在看相似的产品时，把前面几个看相同产品的用户的关注推荐给新用户

####代码实现 这些功能可以使用一个全文搜索引擎实现，以FTServer使用的引擎为例，当用户关注一个产品时，把产品作为文本内容，把用户作为文本ID，生成搜索索引dailyEngine.indexText()，这个索引相当于一个复合主键(产品-用户)，每关注一个新产品，调用一次FavorWhenStay10Sec()，这个函数除了有包括生成搜索索引的代码indexText()，还有一个iBoxDB数据库的**insert()**操作，用于记录用户的关注

private static void FavorWhenStay10Sec(Engine dailyEngine, AutoBox autoDaily, long userId, long itemId) {
     try (Box box = autoDaily.cube()) {
         box.d("/Favor").insert(new Favor(userId, itemId));
         dailyEngine.indexText(box, userId, Long.toString(itemId));
         box.commit();
     }
}

当有新用户关注了"1055 1058"两个产品时，以这两个产品为全文搜索关键字进行搜索

 RealTimeRecommendPrint(engine, autoDaily, new long[]{1055, 1058});

通过dailyEngine.searchDistinct()查找方法，可以取得关注相同产品的用户(生成索引时设置的文本ID为用户ID)

for (KeyWord kw
     : dailyEngine.searchDistinct(box, sb.toString(), startId, HowManyUsersAsReference)) {
   long userId = kw.getID();
   ....
}

然后把有相同爱好用户的关注推荐给新用户

for (Favor favor : box.select(Favor.class, "from /Favor where userId == ?", userId)) {
        System.out.print(favor.itemId + ",");
}

这里的HowManyUsersAsReference设置返回的用户个数，因为做实时推荐，很多时候不需要取全部相同爱好的用户。

###深度推荐 当有了大量用户关注数据后，就不需要以个别用户组织数据，可以定制各种算法分析产品的关联，也可以人工分析产品关联，然后回到第一节关于基本原理的实现，具体实现代码与直接调用全文搜索引擎一样，把多个关联产品的ID组成一个文本，然后输入全文索引，推荐时当匹配到其中的产品ID，就把文本中关联的其它产品ID作为推荐的内容。

源代码下载

更多：全文搜索中精准匹配与分词匹配的比较

转载于:https://my.oschina.net/iboxdb/blog/778870