ES千人千面推薦系統

借這個項目正好系統學習 ES 與 推薦算法

需求分析

整體架構

落地實現

• 導入 github 項目，爆紅問題

    Failure to transfer org.springframework.boot:spring-boot-starter-parent:pom:2.0.1.RELEASE from https...
    問題是：依賴包下載不下來
  
    解決辦法：
  
    在終端下進入項目所在的目錄用mvn compile執行即可
  
    或者點擊pom.xml,右鍵，maven install   實在不行加上 -U 參數
  

ES 的學習

• match 與 term 的區別

     - match 是進行分詞后的 每個詞匹配的 or
     - term  是不進行分詞的 整詞精確匹配， 這一點跟 keyword 很像
     GET /movie/_search
    {
      "query":{
        "match":{"title":"steve"}
      }
    }
  
    GET /movie/_search
    {
      "query":{
        "term":{"title":"steve"}
      }
    }
  
  
    GET /movie/_analyze
    {
      "analyzer": "english",
      "field":"title",
      "text":"Frank Li"
    }
  
    analyzer:english / standard =》 默認標准分詞解析器只是根據標點符號進行分詞， english 可以去掉停用詞 with of 這些，並小寫
  
   // or 可以改為 and 
   GET /movie/_search
    {
      "query":{
      "match":{
        "title":{
          "query":"basketball good solution available alien",
          "operator": "or"
        }
      }
    }
  }
  
  // 最少匹配分詞后兩個
  GET /movie/_search
  {
    "query":{
      "match":{
        "title":{
          "query":"basketball with good boy alien",
          "operator": "or",
          "minimum_should_match": 2
        }
      }
    }
  }
  
  GET /movie/_search
  {
    "query": {
      "multi_match": {
        "query": "good boy man love basketball bad news",
        "fields": ["title", "overview"]
      }
    }
  }
  

極其重要的 TF 詞頻 - IDF 逆文檔頻率+ TF NORM 詞頻歸一化

推薦系統

ALS  => alternating least squares  交替最小二乘法