用 ElasticSearch 实现 “猜你喜欢” 智能推荐

主流电商平台有一个很常见的功能:“猜你喜欢”智能推荐,对用户做了精准画像,算法复杂,而普通的项目中,因为内容规模有限,便用 ElasticSearch 基本可以实现基础需求

在我们开发的 店熵SAAS平台(shopfai.com)项目中使用了本文中的方案,比较稳定,用户体验还不错。

实现思路:

  1. 访问某个商品时,提取此商品的关键词,写入ES 历史关键词(索引名示例:history_keywords)
  2. 聚合ES 历史关键词 中的所有关键词,提取出现最多的前几个
  3. 用提取出这几个关键词再次查询商品,作为“猜你喜欢” 推荐结果

几个核心控制点:

  1. ES 历史关键词 需要控制总数量,只保存最近访问的数据,可以用Redis实现一个循环记数器,计数器的值作为ES记录的ID写入,实现ES数据的循环写入,这个数量取多少合适,跟据具体项目调整优化,1000亦可,10000亦可,会直接影响推荐结果
  2. 聚合 ES历史关键词时 ,具体取几个需实际优化调整,我们项目中取了 10 个
  3. 当用户首次访问时,尚无历史关键词数据,这时候可以取 “热搜词”(热搜词功能需另外实现)

简化流程图:

 

核心的 ES 查询语法:

提取商品名称里的关键词:

POST /_analyze
{
 "tokenizer" : "ik_smart",
 "text": "商品名称ABC"
}

因为不同语言封装方法不同,这里只贴了 原生 诘法,分词器中文用了ik_smart,根据具体情况调整

从历史关键词中提取出现最多的前几个:

POST /history_keywords
{
 "size":0,
 "query":{
 "bool":{
 "filter":[
 {
 "term":{
 "user_id":"123"
 }
 }
 ]
 }
 },
 "aggs":{
 "topN":{
 "terms":{
 "field":"keyword",
 "size":10
 }
 }
 }
}

history_keywords 里只有两个字段 用户ID(user_id),关键词(keyword)

最后,用这几个关键词查询商品,代码不贴了。

本文原始网址:https://www.liu12.com/article/es-guess-you-like,转载请保留出处

作者:程序员刘一二原文地址:https://segmentfault.com/a/1190000042212000

%s 个评论

要回复文章请先登录注册