系列随笔：
（二）基于商品属性的相似商品推荐算法——Flink SQL实时计算实现商品的隐式评分
（三）基于商品属性的相似商品推荐算法——批量处理商品属性，得到属性前缀及完整属性字符串
（四）基于商品属性的相似商品推荐算法——推荐与评分高的商品属性相似的商品
2020.04.15 补充：协同过滤推荐算法.pptx
提取码：4tds
算法调优及其他
一、属性的选择
根据 （三）基于商品属性的相似商品推荐算法——批量处理商品属性，得到属性前缀及完整属性字符串 ，我目前的属性选择是：
// 属性前缀为：适用人群-佩戴场合-机芯类型-价格区间-表盘形状-表盘直径，后面的属性排列顺序可以随意 $needs = [31=>'适用人群', 40=>'佩戴场合', 1=>'机芯类型', 39=>'价格区间', 9=>'表盘形状', 11=>'表盘直径', 13=>'表盘刻度', 17=>'表带材质', 14=>'表盘颜色', 25=>'防水', 3=>'外壳材质', 38=>'表盘宽度', 3=>'表盘厚度', 12=>'镜面材质', 16=>'表壳底盖', 19=>'表带颜色'];
再根据 （四）基于商品属性的相似商品推荐算法——推荐与评分高的商品属性相似的商品，可以看出属性前缀的作用具体就是第一步筛选商品（前缀相同的商品，大概有40%-50%的相似）；
所以，属性前缀的选择原则就很简单了：第一步筛选把关。什么属性相同时，能确定两个商品是基本相似的？属性前缀的选择不宜太简单，也不宜太严格；
假设，属性前缀我只取"适用人群-佩戴场合"，条件过于简单，那么属性前缀相同的商品就会很多很多，增加后期的计算量；
再假设，我把”品牌-表盘颜色-表带颜色“放入属性前缀中，条件过于严格，只能筛选同品牌同颜色的其他表款。那么能推荐的商品数量就会很少很少。不同品牌，但相似的其他商品就完全没有机会。
总结：品牌、颜色之类的属性，属性于加分项。不要强制一定相同，放在属性前缀后面，作为相似系数的加分项。
二、属性加权
1）默认的相似系数计算公式为：
相似系数 = 相同属性位个数/总属性位个数；
注：这里所以的属性权重相同，都是1；
2）如果你觉得，品牌相同是比较重要的，它的权重应该比较高（例如权重设为5）；表盘颜色相同也是很重要的（例如权重设为3）；其他属性权重为1
那么，新的相似系数计算公式为：
相似系数 = 相同属性位权重和/总属性位权重和；
三、推荐文章、视频
如果想在浏览某商品（或其他什么页面）的时候，想推荐与商品相送的文章或视频：
1）文章和视频关联了商品；
2）查询当前商品（或浏览记录）相似的商品，取得它们的 goodsCodes；
3）查询关联了 goodsCodes 的文章或视频。
四、其他。。。
上一节：（四）基于商品属性的相似商品推荐算法——推荐与评分高的商品属性相似的商品
下一节：完