关于elasticsearch:用-ElasticSearch-实现-猜你喜欢-智能推荐

支流电商平台有一个很常见的性能：“猜你喜爱”智能举荐，对用户做了精准画像，算法简单，而一般的我的项目中，因为内容规模无限，便用 ElasticSearch 根本能够实现根底需要

在咱们开发的 店熵 SAAS 平台（shopfai.com）我的项目中应用了本文中的计划，比较稳定，用户体验还不错。

实现思路：

1. 拜访某个商品时，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，提取呈现最多的前几个
3. 用提取出这几个关键词再次查问商品，作为“猜你喜爱”举荐后果

几个外围控制点：

1. ES 历史关键词 须要管制总数量，只保留最近拜访的数据，能够用 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，这个数量取多少适合，跟据具体我的项目调整优化，1000 亦可，10000 亦可，会间接影响举荐后果
2. 聚合 ES 历史关键词时，具体取几个需理论优化调整，咱们我的项目中取了 10 个
3. 当用户首次拜访时，尚无历史关键词数据，这时候能够取“热搜词”（热搜词性能需另外实现）

简化流程图：

外围的 ES 查问语法：

提取商品名称里的关键词：

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

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

从历史关键词中提取呈现最多的前几个：

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）

最初，用这几个关键词查问商品，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