创新实训（11）——推荐系统实现之基于流行度和新鲜度的推荐

后台可以记录每篇博客的阅读次数，直接简单粗暴的推荐比较流行的博客即可，可能热门的博客会被很多人所喜欢。
问题：可能产生长尾效应，阅读数多的博客可能就有限的几篇，而大量的博客无人问津。
解决方案：将阅读次数与新鲜度结合，找到一个比较适合的排名方式，一篇刚发布的博客，有较大的新鲜度，可以将其排到前面。

算法的设计

（1）在抽取博客时，会抽取到文章发布的时间，我们可以将这个发布时间转化为时间戳，这个时间戳就可以作为一篇文章基础的评分，时间戳是随着时间不断增加的，新发布的博客会有比较大的时间戳，这样就保证了新来的博客的分值比较大。
（2）在时间戳的基础上，我们可以引入点击量，作为博客评分的另一个部分，我们给每一个点击量增加一个权重K，当博客被点击一次后，评分会+K（后期可以引入收藏，多一个收藏，评分还可以继续增加）。这样可以保证热度比较高的博客的分数也比较高。
（3）为了提高系统的响应时间，我考虑使用了redis的zset来进行数据的缓存，zset是一个根据score进行排序的集合，我们正好可以根据文章的评分让zset对博客的顺序自动的进行排序，我们取数据时，是需要顺序读取即可。

具体zset的操作

当每篇文章进入系统时，根据时间戳算出他的基础分数，加入zset中，当用户点击文章时，修改这篇文章的分数，将分数加K，当删除一篇文章时，将这篇文章从zset中删除
（4）当需要获取博客列表时，只需要根据range顺序的从redis中取数据即可，zset提供了方法可以取到排名从start到end的博客数据，所以很简单的就可以实现博客的分页查询。

具体实现

配置redis环境，在springboot项目中实现对redis的存取。

配置文件：

spring:redis:host: r-bp1943b4a5673ef4pd.redis.rds.aliyuncs.comport: 6379password: xxxx

有关redis存取方法的实现：
spring data for redis 提供了RedisTemplate类，实现对redis数据库的快捷存取

    /*** redis zset添加元素  如果元素存在则会用新的score替换原来的* @param key* @param value* @param score* @return*/public boolean zsetAdd(String key,String value,double score){boolean result = false;try {redisTemplate.opsForZSet().add(key, value,score);result = true;} catch (Exception e) {e.printStackTrace();}return result;}/*** 删除元素 zset** @param key* @param value*/public void zsetRemove(String key, String value) {redisTemplate.opsForZSet().remove(key, value);}/*** 值增加score* @param key* @param value* @param score* @return*/public Double zsetIncrScore(String key, String value, double score) {return redisTemplate.opsForZSet().incrementScore(key, value, score);}/*** 获取value对应的score* 这个需要注意的是，当value在集合中时，返回其score；如果不在，则返回null* @param key* @param value* @return*/public Double score(String key, String value) {return redisTemplate.opsForZSet().score(key, value);}/*** 查询集合中指定顺序的值  zrevrange 返回有序的集合中，score大的在前面* @param key* @param start* @param end* @return*/public Set<String> zsetRevRange(String key, int start, int end) {return redisTemplate.opsForZSet().reverseRange(key, start, end);}

2.推荐算法的设计
具体的解释都在代码里完整的注释了出来

@Service
public class FreshPopularRecommended {@Resourceprivate RedisUtils redisUtils;@Resourceprivate ArticleDao articleDao;//一次点击率可以增加的得分private static int K = 2000;private static String ZSET_KEY = "article";/*** 根据流行度和新鲜度获取博客的列表   注意返回值为articleId组成的list* @param start  开始位置* @param end  结束位置  注意与数据库的limit offset不同* @return*/public List<Integer> getArticleByFreshPopular(int start,int end){Set<String> a = redisUtils.zsetRevRange(ZSET_KEY,start,end);List<Integer> result = new ArrayList<>();for(String str : a){result.add(Integer.valueOf(str));}return result;}/***   结合博客更新时间的时间戳和博客的点击量给 给每一个博客一个分数*   key为固定的 article  value为每个文章的id  score为文章的得分* @param article  新插入的博客* @throws ParseException*/public void setScore(Article article) throws ParseException {String updateTime = article.getUpdateTime();int ratingCount  = article.getRatingCount();SimpleDateFormat formatter = new SimpleDateFormat( "yyyy-MM-dd HH:mm:ss");Date date = formatter.parse(updateTime);//updateTime的时间戳  时间戳是得分的基础double timeStamp = date.getTime();//给某个article设置一个得分redisUtils.zsetAdd(ZSET_KEY,String.valueOf(article.getId()),timeStamp + ratingCount *K);}/***当一个博客被点击后  点击量会+1 得分会增加K* @param articleId*/public void addScore(int articleId){redisUtils.zsetIncrScore(ZSET_KEY,String.valueOf(articleId),K);}/*** 当一个文章 被删除时  需要在redis删除它对应的分数* @param articleId*/public void deleteArticle(int articleId){redisUtils.zsetRemove(ZSET_KEY,String.valueOf(articleId));}
}

getArticleByFreshPopular方法可以根据范围，出去博客的id，最终返回到界面上。

3.给负责后端的同学一个方便调用的接口
他是需要调用这个方法，输入参数，就可以返回对应的articleId的列表了

  /*** 根据流行度和新鲜度获取博客的列表  可以进行分页查询（注意与 数据库的limit和offset不同 需要转化一下）* @param start   开始位置   start = offset* @param end   结束位置     end = offset+limit* @return   返回值为articleId组成的list*/public  List<Integer> recommendArticleByFreshPopular(int start,int end){return freshPopularRecommended.getArticleByFreshPopular(start,end);}

总结

基于流行度和新鲜度的推荐是比较基础的显示方法，所有的用户看到的内容都是相同的，接下来可能会个性化推荐的内容