Question

我正在尝试为在线商店建立一个穷人的推荐系统。我想要认识到那种亚马逊“买了这个项目的顾客也买了”的功能，我读了很多关于它的内容。我知道有Apache Mahout的事情，但我无法以这种方式调整服务器。然后会有谷歌预测API，但它需要花钱，所以我开始尝试自己。

我得到了250.000+项目的订单历史，我写了一个嵌套的MySQL查询来查找包含当前文章的订单，对其他订单项进行排名并对该表进行排序以进行排名，因此我得到了一组其他人订购的产品以及当前的文章。

问题是，查询可能需要10秒 - 所以这不能直接使用。我想过一个缓存表，但这个查询在20分钟后停止（有60.000个产品和250.000个订购商品）所以我无法填写该表。

我目前的解决方法如下：建议HTML通过AJAX ondocumentready加载，因此网站加载，而推荐在后台加载。推荐数据处理一次并存储在filecache（PEAR简单缓存）中，以便下次加载更快。因此，如果有人访问该网站并存储一天或一周，则按需制作缓存。

我问自己和你，这是一种可以接受的做法，还是愚蠢无知？将缓存的数据存储在db或文件中是否更好（我考虑性能和并行命中）。我的意思是，在最坏的情况下，我会以60.000缓存文件结束。

我更喜欢带有所有数据的预先计算的表，但正如我所说，它需要很长时间，我不知道如何优化它。（等到SQL Dude从假期回来^^）

感谢任何提示，意见。

顺便说一句。这是查询：

SELECT c.ArtNr as artnr , count(c.ArtNr) as rank, s.ArtNr as parent_artnr
FROM (
SELECT a.ID_order, a.ArtNr
        FROM net_orderposition a
        WHERE a.ArtNr = 'TT-PV0005'
) s
JOIN net_orderposition c 
WHERE s.ID_order = c.ID_order AND s.ArtNr != c.ArtNr
GROUP BY c.ArtNr
ORDER BY rank DESC,c.Stamp DESC
LIMIT 10;

修改

我想到了给定的答案，我认为它们与我最初的想法相似。上面的代码结果如下表所示：

ID,ParentID , ChildID  , Rank
1, TT-PV0005, TT-PV0040, 220
2, TT-PV0005, TT-PV0355, 135
3, TT-PV0005, TT-PV0450, 134
4, TT-PV0005, TT-PV0451, 89
5, TT-PV0005, RH-01V2  , 83
6, TT-PV0005, TT-PV0041, 83
7, TT-PV0005, TT-PV0353, 82
8, TT-PV0005, TT-PV0037, 80

ParentID是当前项目，ChildID是过去订购的项目以及ParentID，Rank是预计算孩子与当前项目一起订购的次数。现在我可以在每个新订单上更新或插入相关项目，如果它已经存在于DB中，则计算Rank。我唯一担心的是，我会在一张非常大的牌桌上结束。也许这应该不是问题，如果我每周离线预先计算一次？但是我必须优化查询，因此每个项目不需要10秒。

你怎么看？

Answer 1

查看easyrec它具有您需要的功能并且是免费的。无需调整，您可以使用谷歌分析等演示实例。我认为使用这个免费使用Web服务然后自己编写整个逻辑会更容易。

今天在tweet他们提到他们支持对easyrec的完全mahout支持，所以你可以使用easyrec。你可以使用easyrec的免费web服务或在你的网络服务器上部署免费的WAR文件。

Answer 2

要添加@ GalacticCowboy的答案并填写您评论的位置，@ Maxus ......

实现此目的的一个模式是创建一个表格，如：

RelatedItems
RelatedItemsId
purchasedItemId
relatedItemId

然后，当订单完成（或根据您的要求查看）时，您会将记录写入RelatedItems表，其中每个购买的商品都会获得一条记录，其中该ID是purchaseItemId。然后所有其他项目将被写为relatedItemId。

例如，如果我购买了第5,9,12和19项，我将有12条记录写入我的表中，如下所示：

RelatedItemId, PurchasedItemId, RelatedItemId
1, 5, 9
2, 5, 12
3, 5, 19
4, 9, 5
5, 9, 12
6, 9, 19
7, 12, 5
8, 12, 9
9, 12, 19
10, 19, 5
11, 19, 9
12, 19, 12

然后你可以使用类似于GalacticCowboy的查询来获得通常与这些项目一起购买的前10个项目。

请注意，对于像这样的任务来说，这不是最有效的架构，可以通过调整来减少冗余数据，但考虑到我们对您的系统和整体架构设计了解不多（对于一些SQL概念似乎有些不稳定的理解）我不会深入研究它。

Answer 3

每次订单时，都会在订单中的不同商品之间存储关系记录。然后做一些事情：

SELECT ItemID, COUNT(RelatedItemID) AS RelatedItemCount
FROM RelatedItems
WHERE RelatedItemID = @viewingItemID
GROUP BY ItemID
ORDER BY RelatedItemCount DESC
LIMIT 10

你也可以使用隔夜流程或其他东西预先假定这个，并且有一个表格，其中只包含每个商品ID的顶部 n 相关商品。

（穷人的）产品推荐实施

3 个答案: