大数据之电商推荐系统

#大数据之电商推荐系统#

项目系统架构

数据整理

1. 商品数据

商品ID	商品名称	商品种类	商品图片URL	商品标签
productId	name	categories	imageUrl	tags

2. 评分数据

用户ID	商品ID	商品评分	评分时间
uid	productId	score	timestamp

表结构设计

离线统计分析

1. 历史热门商品推荐 — 历史评分次数最多的商品

    SQL:
    select product_id, count(product_id) as count from ratings group by product_id order by count desc
    存储表：rate_more_product
    字段：product_id rate_count
   

2. 近期热门商品 — 统计近一个月内 用户评分次数较多的商品

    原则： 先创建一个UDF 将评分时间转换为yyyyMM形式的
    SimpleDateFormat 时间格式化
    然后对时间进行分组统计
    存储表：rate_more_recently_product
    字段：product_id rate_count yearmonth
   

3. 商品平均评分统计

    select product_id,avg(score) as avg_score from ratings group by product_idorder by avg_score desc
    存储表：rate_avg_product
    字段： product_id avg_score
   

离线个性化推荐ALS

1. 使用ALS模型对评分数据进行训练
val model = ALS.train(data, rank, iterations, lambda)		
搞出最优模型
2. 用户userRDD 与 商品productRDD 做笛卡尔积 求出 userId,productId的RDD
3. model.predict() 预测出一个评分矩阵
4. 以userId  groupByKey 以 score 排序后 取TopN
注： 此处附加求出 商品的相似度矩阵
  1. model.productFeatures 求出商品的特征向量矩阵
  2. 笛卡儿积求出II矩阵 求余玄相似度
  3. 过滤出相似度大于0.6的 进行groupByKey

实时推荐

特点：
	1. 计算速度快
	2. 预测结果可以不是特别精确
	3. 预先算出商品相似度，有预先准备好的预测模型
原理：
	1. 用户最近一段时间的口味应该是相似的
误区：
	1. 评分了一个物品 即做相似推荐 --- 单个物品不能反映该用户的喜好
	2. 做了差评 --- 推荐毫无意义
正确姿势：
	拿出最近一段时间的用户评分数据 综合考虑评分分值和相似度

算法设计：

举例：用户最近的K次评分数据为

用户ID	商品ID	评分
u1	A	5
u1	B	4
u1	C	4
u1	D	2

对于商品X的推荐优先级得分公式：
	最终得分 = (sim(X,A) * 5 + sim(X,B) * 4 + sim(X,C) * 4 + sim(X,D) * 2) / 4 + lgmax{incount,1} - lgmax{recount,1}
	其中，incount为K次评分中大于3分的次数
		 recount为K次评分中小于3分的次数
	注：此处即为 高分多 加奖励 低分多 做惩罚

其它形式的离线推荐

1. 内容推荐 TF-IDF
	商品Tags 分词得到特征向量 进行相似度 求解
	注： 喜欢了该物品的用户 应该也喜欢 下面这些
		您有可能也喜欢下面这些物品
	注： 一般在 商品详情页 商品购买页 做推荐
2. 被相似的人喜欢的物品推荐
	即 喜欢的人重合度越高 相似度越高
	“同现相似度” 
		同时购买了 两个物品的 的人 的个数
		除以
		购买两个物品的总人数的