(穷人的)产品推荐实施

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一起订购的产品目前的文章.

问题是,查询可能需要10秒 - 所以这不能直接使用.我想到了一个缓存表,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:推荐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,这是一种可接受的方法,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,我最终会有60.000个缓存文件.

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;

编辑:

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,ChildID是过去订购的项目以及ParentID,Rank是预计算的子项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，它有您需要的功能，而且是免费的。无需调整，您可以像谷歌分析一样使用演示实例。我认为使用这个免费的 Web 服务然后自己编写整个逻辑会容易得多。

在今天的一条推文中，他们提到他们支持对 easyrec 的完整 mahout 支持，因此您可以使用 easyrec 获得全部功能。您可以使用 easyrec 的免费 Web 服务或在您的 Web 服务器上部署免费的 WAR 文件。