基于用户喜欢的弹性电影推荐

Question

我的目标是建立电影推荐系统。

我有两种类型：

mymovies

示例文档：

{
    "_index": "mymovies",
    "_type": "mymovie",
    "_id": "1",
    "_score": 1,
    "_source": {
     "title" : "Funny title is here"
     "genre" : "Comedy"
     "movieViews" : 901142
    }
}

用户

示例文档：

{
  "Name" : "Doni de brun",
  "moviesLiked": [122,185,231,292,1]      
}

第一个问题：如何为用户的每部电影提取类型？

第二个问题：我已经阅读了很多有关聚合，重要术语和得分的内容，但我仍然对何时使用内容感到困惑。

我意识到构建高效的推荐系统取决于我的需求，但仍然： 我应该提取类型，然后按流派和大多数movieViews搜索？或者也许使用custom_scoring用于那种系统？

Answer 1

让我们首先回答您关于如何使用Elasticsearch的具体问题。

1. 要获取嵌套在索引中字段内的数据，您需要使用Nested Query。在这种情况下，您的"genre"字段将在隐藏文档内编制索引，如果不使用嵌套查询，则无法访问该文档。它与其他查询类型的工作方式类似，因此应该很容易上手和使用。
2. 聚合是一种将搜索结果放入有用存储桶的方法。每种类型的聚合都关注返回结果的不同方面以创建这些存储桶。一个有效的用例将返回索引中的每个电影，并使用聚合按类型，运行时，演员，评级等对电影进行聚类。我使用聚合作为过滤工具的一部分取得了巨大的成功。用户点击其中一个返回的存储桶，只看到其中的项目，过滤掉所有剩余的结果。