前言

接上，这次实现的是一个简单的文章推荐系统，采用的仍然还是 TF-IDF 算法（因为这种最好写），对我们这个项目够用了吧应该（doge

原理

基于内容的推荐

• 将文章向量化
• 记录用户的浏览记录
• 将浏览记录中的文章进行向量求和求平均计算出用户的用户向量，算是简要构建出用户的模型
• 将用户向量和文章库中的文章进行比对，计算相似度
• 推荐相似度最高的文章给用户

文章推荐系统

参考文章：

个性化阅读中的推荐系统（一）

项目地址：

本项目已在 Github 上开源：Github 地址

数据库表

article_dictionary

数据量尽量大，不然有些文章生成向量为空（找不到分词的话会变成零向量）

• id int 非空 键
• dictionary longtext 可空

user

存放用户数据的表

• id int 非空 键
• user_history longtext 可空
• user_dictionary longtext 可空
• updated varchar 30 非空，只有两个值：true false
• recommend longtext 可空

article

代码中是 article_category_data，用了测试时的数据）

存放文章基本信息的表

• id int 非空 键
• weight longtext 可空

Tips

• sql = “select id, weight from article_category_data where id not in {} limit 5000”.format(tuple(user_dictionary[1].split(’,’))) 的 limit 5000 是用来限制文章数量的，可以修改成通过时间进行限制
• dictionary 的数据量一定要够大，如果一篇文章的关键字都在 dictionary 中找不到的话则会变成零向量，可以和分类系统中通过构建得到词库的 dictionary 是同一张表
• article 中的 weight 最好在爬取文章的时候就算出来

效果

就推荐的结果而言还是比较符合模型的，但仍然存在两个缺点：

• 需要的词库数据量很大，不然会出现零向量的 bug
• 数据量较大的话文章比对处理时间过长

彩蛋

其他的个性化推荐算法