系列隨筆：
（二）基於商品屬性的相似商品推薦算法——Flink SQL實時計算實現商品的隱式評分
（三）基於商品屬性的相似商品推薦算法——批量處理商品屬性，得到屬性前綴及完整屬性字符串
（四）基於商品屬性的相似商品推薦算法——推薦與評分高的商品屬性相似的商品
2020.04.15 補充：協同過濾推薦算法.pptx
提取碼：4tds
算法調優及其他
一、屬性的選擇
根據 （三）基於商品屬性的相似商品推薦算法——批量處理商品屬性，得到屬性前綴及完整屬性字符串 ，我目前的屬性選擇是：
// 屬性前綴為：適用人群-佩戴場合-機芯類型-價格區間-表盤形狀-表盤直徑，后面的屬性排列順序可以隨意 $needs = [31=>'適用人群', 40=>'佩戴場合', 1=>'機芯類型', 39=>'價格區間', 9=>'表盤形狀', 11=>'表盤直徑', 13=>'表盤刻度', 17=>'表帶材質', 14=>'表盤顏色', 25=>'防水', 3=>'外殼材質', 38=>'表盤寬度', 3=>'表盤厚度', 12=>'鏡面材質', 16=>'表殼底蓋', 19=>'表帶顏色'];
再根據 （四）基於商品屬性的相似商品推薦算法——推薦與評分高的商品屬性相似的商品，可以看出屬性前綴的作用具體就是第一步篩選商品（前綴相同的商品，大概有40%-50%的相似）；
所以，屬性前綴的選擇原則就很簡單了：第一步篩選把關。什么屬性相同時，能確定兩個商品是基本相似的？屬性前綴的選擇不宜太簡單，也不宜太嚴格；
假設，屬性前綴我只取"適用人群-佩戴場合"，條件過於簡單，那么屬性前綴相同的商品就會很多很多，增加后期的計算量；
再假設，我把”品牌-表盤顏色-表帶顏色“放入屬性前綴中，條件過於嚴格，只能篩選同品牌同顏色的其他表款。那么能推薦的商品數量就會很少很少。不同品牌，但相似的其他商品就完全沒有機會。
總結：品牌、顏色之類的屬性，屬性於加分項。不要強制一定相同，放在屬性前綴后面，作為相似系數的加分項。
二、屬性加權
1）默認的相似系數計算公式為：
相似系數 = 相同屬性位個數/總屬性位個數；
注：這里所以的屬性權重相同，都是1；
2）如果你覺得，品牌相同是比較重要的，它的權重應該比較高（例如權重設為5）；表盤顏色相同也是很重要的（例如權重設為3）；其他屬性權重為1
那么，新的相似系數計算公式為：
相似系數 = 相同屬性位權重和/總屬性位權重和；
三、推薦文章、視頻
如果想在瀏覽某商品（或其他什么頁面）的時候，想推薦與商品相送的文章或視頻：
1）文章和視頻關聯了商品；
2）查詢當前商品（或瀏覽記錄）相似的商品，取得它們的 goodsCodes；
3）查詢關聯了 goodsCodes 的文章或視頻。
四、其他。。。
上一節：（四）基於商品屬性的相似商品推薦算法——推薦與評分高的商品屬性相似的商品
下一節：完