商品推荐算法方案

商品推荐算法方案。

读取和写入的数据

1. 用户表
2. 订单表
3. 订单商品表
4. 商品表
5. 推荐商品

步骤

1. 为每个用户生成所有商品的购买、浏览信息向量
2. 循环用户，为当前用户U计算与其它所有用户的相似度
3. 按相似度从高到低排序(LMS从低到高)，并取前10~100，命名为LMS-L
4. 循环LMS-L，取出用户U未购买的商品并去重，去重后的集合命名为GS
5. 循环GS，为每个商品计算新的与其它所有用户的LMS的和，命名为U-G-SLMS
6. 对U-G-SLMS从低到高排序，则得到重新排序过的推荐商品列表U-GS-SORTED
7. 将U-GS-SORTED存入文件、数据库或缓存中，定期更新

改进点

1. 对购买记录、浏览记录做加权
2. 存储所有批次的推荐记录
3. 效果分析，定期检查用户是否购买了推荐的商品