用类似KNN算法处理,首先找到与用户行为,用户特点最相近的K个用户,然后将这K个用户的搜索高频关键词提供给该用户,各个关键词的权值在用户行为中不断调整。
二、实现1、得到所有活跃用户与当前用户的”距离“
前文提到redis启动时自动加载的方法,因此可直接从redis数据库中获得近一个月所有活跃的用户及其相关信息。然后通过不同用户的身份职业兴趣爱好和最近 的浏览记录得到他们与当前用户的距离。并从近到远依次进行排序。
public static ListgetAllSimiUsers(UserInfo user1,List users){ //计算与所有用户的相似度,返回相似度从高到低的用户列表 HashMap user_map=new HashMap (); for(UserInfo user:users){ user_map.put(user,getSimi(user1,user)); } List > list = new ArrayList >(user_map.entrySet()); list.sort(new Comparator >() { public int compare(Map.Entry o1, Map.Entry o2) { return o1.getValue() < o2.getValue() ? 1 : ((o1.getValue() == o2.getValue()) ? 0 : -1); } }); List userInfos = new ArrayList<>(); for (Map.Entry mapping : list) { userInfos.add(mapping.getKey()); } return userInfos; }
2、得到K个相邻用户(这里设置的是10个)
Listuser=getAllSimiUsers(user1,users); if(user.size()>10) return user.subList(0,10); else return user;
3、根据相邻用户的浏览记录得到当前推荐关键词(转下片)



