推薦系統根據最近瀏覽進行推薦

標籤：推薦系統

前些日子，公司要求做推薦系統，不言而喻，推薦系統對於電商來說是很有好處的。當然我們是剛開始做，還得從簡單的開始做，首先第一版是根據使用者最近瀏覽的進行推薦。接下來，可能要根據相似使用者進行相似使用者的推薦。這樣還要對會員進行分等級。所以後面的工作還有很多。

部落格是個好東西，我熱衷於部落格記錄下我做過的每一件事。

實現的過程如下：

流程圖：

思路：

實現的步驟為：    1、得到使用者資訊。技術實現：抓取使用者最近瀏覽的一款商品的 SKUid;同時擷取使用者的UV（獨立訪客），這樣使用者一開網頁我們就知道是哪個使用者了。       2、對使用者瀏覽的商品分析出相似商品。技術實現：拿到SKUid進行分析相同類目（Cid）下的SKUid。這樣獲得了商品的相似度。然後再根據價格進行排序，取價格最靠近當前瀏覽的十個SKUid。

    3、頁面展示：技術實現：分析完資料後，我們根據UV（獨立訪客）給使用者推薦同一類目下價格接近的商品。js檔案將會將推薦的商品在頁面渲染出來。

過程中遇到的問題：      問題一：

  分析器5秒跑一次，但是每一個新UV進來，就會往資料庫多加一條資料。資料量大了，分析器分析起來就慢了；

     解決辦法：

        增加一個欄位為存放時間戳記，當新增一條資料，存一個時間戳記，如果該使用者繼續瀏覽另一個ITEM頁面，即更新skuid、價格、等資訊外，還要更新儲存的時間戳記為當前的時間，這樣其實就好辦了，我就只分析目前時間就在最近五分鐘左右的資料。因為這五分鐘的使用者都是最近的使用者，還有正在瀏覽頁面的使用者。這樣就解決了分析器跑不動的問題。也過濾掉了重複分析的問題。

    問題二：

       毫無疑問，這樣下去表會越來越大，查詢的效能也會慢慢降低。

    解決辦法：

       方案一： 這樣其實我們可以另外建一張表，只用來儲存結果的表。或者就兩個欄位，一個是會員名，一個就是推薦的skuid資訊。不是會員的使用者我們只儲存最近的兩三天的推薦記錄。

      方案二：不建表，將結果儲存到memcache。保質期為一個月。

   問題三：

     怎樣防止被刷；

   解決方案：

     添加一個欄位，每次該條記錄變動一次，添加的欄位加一，當天超過一千的，進行屏蔽。