用 ElasticSearch 实现 “猜你喜欢” 智能推荐

主流电商平台有一个很常见的功能：“猜你喜欢”智能推荐，对用户做了精准画像，算法复杂，而普通的项目中，因为内容规模有限，便用 ElasticSearch 基本可以实现基础需求

在我们开发的 店熵SAAS平台（shopfai.com）项目中使用了本文中的方案，比较稳定，用户体验还不错。

实现思路：

1. 访问某个商品时，提取此商品的关键词，写入ES 历史关键词（索引名示例：history_keywords）
2. 聚合ES 历史关键词 中的所有关键词，提取出现最多的前几个
3. 用提取出这几个关键词再次查询商品，作为“猜你喜欢” 推荐结果

几个核心控制点：

1. ES 历史关键词 需要控制总数量，只保存最近访问的数据，可以用Redis实现一个循环记数器，计数器的值作为ES记录的ID写入，实现ES数据的循环写入，这个数量取多少合适，跟据具体项目调整优化，1000亦可，10000亦可，会直接影响推荐结果
2. 聚合 ES历史关键词时 ，具体取几个需实际优化调整，我们项目中取了 10 个
3. 当用户首次访问时，尚无历史关键词数据，这时候可以取 “热搜词”（热搜词功能需另外实现）

简化流程图：

 

核心的 ES 查询语法：

提取商品名称里的关键词：

POST /_analyze
{
    "tokenizer" : "ik_smart",
    "text": "商品名称ABC"
}

因为不同语言封装方法不同，这里只贴了 原生 诘法，分词器中文用了ik_smart，根据具体情况调整

从历史关键词中提取出现最多的前几个：

POST /history_keywords
{
    "size":0,
    "query":{
        "bool":{
            "filter":[
                {
                    "term":{
                        "user_id":"123"
                    }
                }
            ]
        }
    },
    "aggs":{
        "topN":{
            "terms":{
                "field":"keyword",
                "size":10
            }
        }
    }
}

history_keywords 里只有两个字段 用户ID（user_id），关键词（keyword）

最后，用这几个关键词查询商品，代码不贴了。

本文原始网址：https://www.liu12.com/article/es-guess-you-like，转载请保留出处