前些日子，公司要求做推薦系統，不言而喻，推薦系統對于電商來說是非常有優點的。當然我們是剛開始做，還得從簡單的開始做，首先第一版是依據用戶近期瀏覽的進行推薦。接下來，可能要依據相似用戶進行相似用戶的推薦。這樣還要對會員進行分等級。所以后面的工作還有非常多。

博客是個好東西，我熱衷于博客記錄下我做過的每一件事。

實現的步驟例如以下：

流程圖：

思路：

實現的步驟為： ? ? 1、得到用戶信息。 技術實現：抓取用戶近期瀏覽的一款商品的 SKUid;同一時候獲取用戶的UV（獨立訪客），這樣用戶一開網頁我們就知道是哪個用戶了。?? ? ? ? 2、對用戶瀏覽的商品分析出相似商品。 技術實現：拿到SKUid進行分析同樣類目（Cid）下的SKUid。這樣獲得了商品的相似度。然后再依據價格進行排序，取價格最靠近當前瀏覽的十個SKUid。

? ? 3、頁面展示： 技術實現：分析完數據后，我們依據UV（獨立訪客）給用戶推薦同一類目下價格接近的商品。js文件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，可是每個新UV進來，就會往數據庫多加一條數據。數據量大了，分析器分析起來就慢了；

? ? ?解決的方法：

? ? ? ? 添加一個字段為存放時間戳，當新增一條數據，存一個時間戳，假設該用戶繼續瀏覽還有一個ITEM頁面，即更新skuid、價格、等信息外，還要更新保存的時間戳為當前的時間，這樣事實上就好辦了，我就僅僅分析當前時間就在近期五分鐘左右的數據。由于這五分鐘的用戶都是近期的用戶，還有正在瀏覽頁面的用戶。這樣就攻克了分析器跑不動的問題。也過濾掉了反復分析的問題。

? ? 問題二：

? ? ? ?毫無疑問，這樣下去表會越來越大，查詢的性能也會慢慢減少。

? ? 解決的方法：

? ? ? ?方案一： 這樣事實上我們能夠另外建一張表，僅僅用來保存結果的表。或者就兩個字段，一個是會員名，一個就是推薦的skuid信息。不是會員的用戶我們僅僅保存近期的兩三天的推薦記錄。

? ? ? 方案二：不建表，將結果保存到memcache。保質期為一個月。

? ?問題三：

? ? ?如何防止被刷；

? ?解決方式：

? ? ?加入一個字段，每次該條記錄變動一次，加入的字段加一，當天超過一千的，進行屏蔽。

轉載于:https://www.cnblogs.com/mfrbuaa/p/3987598.html

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的推荐系统依据近期浏览进行推荐的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。