## 一 美多商城推荐系统介绍

### 1.1 项目简介

- 背景：网站新上线时的主要推荐业务流实现
- 基础数据层
  - 元数据收集
    - 业务DB：网站业务DB内相关数据
      ​         以美多商城当前数据库中约33万商品数据为基础
    - 日志数据：埋点日志
      - 点击流日志
      - 曝光日志
  - 推荐业务原始数据存储：HDFS
    - 业务DB ==> HDFS：sqoop
    - 日志数据 ==> HDFS/KAFKA：flume
  - 元数据简单的预处理
- 数据处理层
  - 离线计算:
    - 基于内容的物品相似度计算
        - 物品画像、用户画像
        - 相关模型训练
  - 在线计算：
    - 实时行为分析
- 推荐业务层
  - 初期:
    - 冷启动
          ​    - 根据商品详细属性等数据，离线计算出商品画像
          ​    - 根据商品画像的部分属性求出的物品相似度进行推荐与排序(解决物品冷启动)
          ​    - 以实时推荐为主(解决用户冷启动)：根据用户当日实时行为数据为用户建立推荐结果集
          ​    - 以热门推荐、新品推荐等非个性化推荐(解决用户冷启动)
  - 中后期: 利用积累的大量用户行为数据，逐渐以离线推荐为主，实时推荐为辅
    - 离线召回
      - 根据用户点击流日志进行行为偏好评分预估，实现协同过滤推荐
          ​    - 将用户点击流日志结合物品特征进行用户行为特征提取，刻画更加个性化的用户画像
          - 离线模型
              - 利用曝光日志信息结合用户画像和物品画像特征进行点击率/转化率/跳出率等模型训练，进行推荐排序
          - 实时推荐：
              - 同上

### 1.2 实现流程

- 1.业务数据处理
- 2.日志数据处理
- 3.画像建模
- 4.推荐业务处理

![](img/recommend1.png)