整体架构
1)数据平台: 在数据平台上,针对每个用户计算好三个推荐结果,基于用户的推荐结果、基于物品的推荐结果、基于内容的推荐结果。基于物品的相似度、基于内容的相似度。
2)Redis数据缓存: 通过独立的Java应用将每个用户的推荐结果和基于物品的相似度与基于内容的相似度信息导入到Redis缓存集群中。
3)获取推荐结果: 推荐结果有两种:一种是已经计算好的离线推荐结果,直接获取即可,另一种是根据用户实时的浏览记录计算新的推荐结果。第二种推荐结果主要依赖三种数据,用户的浏览记录、基于物品的相似度、基于内容的相似度。
4)排序过滤: 将推荐的结果按照业务规则进行混合排序及去重等操作。
5)最终推荐结果: 基于业务业务规则对业务推荐的产品进行设置。
代码开发
通过爬取某电商专题页的产品信息,作为本案的基础数据。
猜你喜欢推荐接口,输入广告位编号、用户编号、用户当前会话浏览的商品
猜你喜欢推荐模块实现
猜你喜欢推荐模块主要流程
为猜你喜欢广告位进行推荐,分析猜你喜欢的推荐思路
猜你喜欢获取推荐结果的步骤
基于业务需求的推荐规则的算法
数据初始化模块,初始化各种基础信息
为用户maoxiangyi实时推荐商品