推荐系统依据近期浏览进行推荐

前些日子，公司要求做推荐系统，不言而喻，推荐系统对于电商来说是非常有优点的。当然我们是刚開始做，还得从简单的開始做，首先第一版是依据用户近期浏览的进行推荐。接下来，可能要依据相似用户进行相似用户的推荐。这样还要对会员进行分等级。所以后面的工作还有非常多。

博客是个好东西，我热衷于博客记录下我做过的每一件事。

实现的步骤例如以下：

流程图：

思路：

实现的步骤为：

    1、得到用户信息。

技术实现：抓取用户近期浏览的一款商品的 SKUid;同一时候获取用户的UV（独立訪客），这样用户一开网页我们就知道是哪个用户了。  

 

    2、对用户浏览的商品分析出相似商品。

技术实现：拿到SKUid进行分析同样类目（Cid）下的SKUid。这样获得了商品的相似度。然后再依据价格进行排序，取价格最靠近当前浏览的十个SKUid。

    3、页面展示：

技术实现：分析完数据后，我们依据UV（独立訪客）给用户推荐同一类目下价格接近的商品。js文件将会将推荐的商品在页面渲染出来。

过程中遇到的问题：

      问题一：

  分析器5秒跑一次，可是每个新UV进来，就会往数据库多加一条数据。数据量大了，分析器分析起来就慢了；

     解决的方法：

        添加一个字段为存放时间戳，当新增一条数据，存一个时间戳，假设该用户继续浏览还有一个ITEM页面，即更新skuid、价格、等信息外，还要更新保存的时间戳为当前的时间，这样事实上就好办了，我就仅仅分析当前时间就在近期五分钟左右的数据。由于这五分钟的用户都是近期的用户，还有正在浏览页面的用户。这样就攻克了分析器跑不动的问题。也过滤掉了反复分析的问题。

    问题二：

       毫无疑问，这样下去表会越来越大，查询的性能也会慢慢减少。

    解决的方法：

       方案一： 这样事实上我们能够另外建一张表，仅仅用来保存结果的表。或者就两个字段，一个是会员名，一个就是推荐的skuid信息。不是会员的用户我们仅仅保存近期的两三天的推荐记录。

      方案二：不建表，将结果保存到memcache。保质期为一个月。

   问题三：

     如何防止被刷；

   解决方式：

     加入一个字段，每次该条记录变动一次，加入的字段加一，当天超过一千的，进行屏蔽。