.jpg)
本篇文章給大家?guī)淼膬?nèi)容是關(guān)于基于tags實(shí)現(xiàn)內(nèi)容推薦的方法（代碼），有一定的參考價(jià)值，有需要的朋友可以參考一下，希望對(duì)你有所幫助。
原來為了簡單方便，自己小網(wǎng)站上的文章頁的相關(guān)內(nèi)容推薦就是從數(shù)據(jù)庫里隨機(jī)抽取數(shù)據(jù)來填充一個(gè)列表，所以一點(diǎn)相關(guān)性都沒有，更本沒有辦法引導(dǎo)用戶去訪問推薦內(nèi)容。
算法選擇
如何能做到相似內(nèi)容的推薦呢，礙于小網(wǎng)站還跑在虛擬主機(jī)上（對(duì)的，連一個(gè)自己完整可控的服務(wù)器都沒有），所以可以想的辦法不多，條件限制在 只能用php+mysql。所以我想到的辦法就是通過Tags來匹配相似文章進(jìn)行推薦。如果兩篇文章的TAGS 比較相似
比如：文章A 的TAGS為： [A,B,C,D,E]
文章B 的 TAGS 為：[A,D,E,F,G]
文章C 的 TAGS 為：[C,H,I,J,K]
通過眼睛我們能很方便的發(fā)現(xiàn)，文章B和文章A更為相似，因?yàn)樗鼈冇腥齻€(gè)關(guān)鍵字相同分別為：[A,D,E]，哪如何用計(jì)算機(jī)來判斷它們的相似度呢，這里我們用jaccard相似度的最基本應(yīng)用來計(jì)算它們的相似度
jaccard相似度
給定兩個(gè)集合A,B，Jaccard 系數(shù)定義為A與B交集的大小與A與B并集的大小的比值，定義如下：
文章A和文章B的交集為 [A,D,E],大小為3，并集為[A,B,C,D,E,F,G],大小為7，3/7=0.4285…
而文章A和文章C交集為 [C],大小為1，并集為[A,B,C,D,E,H,I,J,K],大小為9， 1/9=0.11111…
這樣就可以得出文章A，B比文章A，C更為相似，有了這個(gè)算法，計(jì)算機(jī)就可以來判斷兩篇文章的相似度了。
具體的推薦思想
給定一篇文章，獲取該文章的關(guān)鍵字TAGS,然后通過以上算法去數(shù)據(jù)庫比對(duì)所有文章的相似度，獲取最相似的N篇文章進(jìn)行推薦。
實(shí)現(xiàn)過程
第一 TAGS的獲取
文章的TAGS是通過TF-IDF算法，提取文章中的高頻詞，選取N個(gè)作為TAGS，對(duì)于中文的文章來說還涉及到一個(gè)中文分詞的問題，因?yàn)槭翘摂M主機(jī)的關(guān)系，這步的工作我用python（為什么用Python ,jieba分詞，真香）在本地寫了一個(gè)程序，完成所有文章的分詞，詞頻統(tǒng)計(jì)，生成TAGS，并寫回服務(wù)器的數(shù)據(jù)庫。由于本文是寫推薦的算法，所以分詞和建立TAGS的部分就不具體展開了，而且不同的系統(tǒng)有不同的TAGS建立方式。
第二 TAGS的存儲(chǔ)
建立兩張表，用于存儲(chǔ)TAGS
tags，用于存所有tag的名稱
+-------+------------+------+-----+---------+-------+ | Field | Type | Null | Key | Default | Extra | +-------+------------+------+-----+---------+-------+ | tag | text | YES | | NULL | | | count | bigint(20) | YES | | NULL | | | tagid | int(11) | NO | PRI | 0 | | +-------+------------+------+-----+---------+-------+
tag_map 建立tag和文章的映身關(guān)系。
+-----------+------------+------+-----+---------+-------+ | Field | Type | Null | Key | Default | Extra | +-----------+------------+------+-----+---------+-------+ | id | bigint(20) | NO | PRI | 0 | | | articleid | bigint(20) | YES | | NULL | | | tagid | int(11) | YES | | NULL | | +-----------+------------+------+-----+---------+-------+
tag_map存的數(shù)據(jù)類似如下：
+----+-----------+-------+ | id | articleid | tagid | +----+-----------+-------+ | 1 | 776 | 589 | | 2 | 776 | 471 | | 3 | 776 | 1455 | | 4 | 776 | 1287 | | 5 | 776 | 52 | | 6 | 777 | 1386 | | 7 | 777 | 588 | | 8 | 777 | 109 | | 9 | 777 | 603 | | 10 | 777 | 1299 | +----+-----------+-------+
其實(shí)做相似推薦的時(shí)候，只需要用到tag_map表就可以了，因?yàn)閠agid和tag name 是一一對(duì)應(yīng)的。
具體編碼
1.獲取所有文章對(duì)應(yīng)的TAGID
mysql> select articleid, GROUP_CONCAT(tagid) as tags from tag_map GROUP BY articleid; +-----------+--------------------------+ | articleid | tags | +-----------+--------------------------+ | 12 | 1178,1067,49,693,1227 | | 13 | 196,2004,2071,927,131 | | 14 | 1945,713,1711,2024,49 | | 15 | 35,119,9,1,1180 | | 16 | 1182,1924,2200,181,1938 | | 17 | 46,492,414,424,620 | | 18 | 415,499,153,567,674 | | 19 | 1602,805,691,1613,194 | | 20 | 2070,1994,886,575,1149 | | 21 | 1953,1961,1534,2038,1393 | +-----------+--------------------------+
通過以上SQL,可以一次性查詢所用文章，極其對(duì)應(yīng)的所有tag
在PHP，我們可以把tags變成數(shù)組。
public function getAllGroupByArticleId(){ //緩存查詢數(shù)據(jù)，因?yàn)檫@個(gè)是全表數(shù)據(jù)，而且不更新文章不會(huì)變化，便是每次推薦都要從數(shù)據(jù)庫里獲取一次數(shù)據(jù)，對(duì)性能肯定會(huì)有影響，所以做個(gè)緩存。 if($cache = CacheHelper::getCache()){ return $cache; } $query_result = $this->query('select articleid, GROUP_CONCAT(tagid) as tags from tag_map GROUP BY articleid'); $result = []; foreach($query_result as $key => $value){ //用articleid 做key ,值是該id下的所有tagID數(shù)組。 $result[$value['articleid']] = explode(",",$value['tags']); } CacheHelper::setCache($result, 86400); return $result; }
有了這個(gè)的返回結(jié)果，就比較好辦了，接下去的工作就是去應(yīng)用jaccard相似度這個(gè)算法了，具體就看代碼吧。
/** * [更據(jù)指定文章返回相似的文章推薦] * @param $articleid 指定的文章ID * @param $top 要返回的推薦條數(shù) * @return Array 推薦條目數(shù)組 */ function getArticleRecommend($articleid, $top = 5){ if($cache = CacheHelper::getCache()){ return $cache; } try{ $articleid = intval($articleid); $m = new TagMapModel(); $all_tags = $m->getAllGroupByArticleId();//調(diào)用上面的函數(shù)返回所有文章的tags $finded = $all_tags[$articleid];//因?yàn)樯厦媸前形恼铝耍钥隙ò水?dāng)前文章。 unset($all_tags[$articleid]);//把當(dāng)前文章從數(shù)組中刪除，不然自己和自己肯定是相似度最高了。 $jaccard_arr = []; //用于存相似度 foreach ($all_tags as $key => $value) { $intersect =array_intersect($finded, $value); //計(jì)算交集 $union = array_unique(array_merge($finded, $value)); //計(jì)算并集 $jaccard_arr[$key] = (float)(count($intersect) / count($union)); } arsort($jaccard_arr); //按相似度排序，最相似的排最前面 $jaccard_keys = array_keys($jaccard_arr);//由于數(shù)組的key就是文章id,所以這里把key取出來就可以了 array_splice($jaccard_keys, $top);//獲取前N條推薦 //到這里我們就已經(jīng)得到了，最相似N篇文章的ID了，接下去的工作就是通過這幾個(gè)ID,從數(shù)據(jù)庫里把相關(guān)信息，查詢出來就可以了 $articleModels = new ApiModelArticleModel(); $recommendArticles = $articleModels->getRecommendByTag($jaccard_keys); CacheHelper::setCache($recommendArticles, 604800); //緩存7天 return $recommendArticles; } catch (Exception $e) { throw new Exception("獲取推薦文章錯(cuò)誤"); } }
相關(guān)推薦：
.png)
