YiTao/service/recomment_service.go

package service

import (
	"math"
	"sort"
	"strconv"
	"yitao/ecode"
	"yitao/model"
	"yitao/util"
)

type RecommentService struct{}

// 推荐算法模块
/*********************************************************************************/

// 获取用户个人推荐商品
func (s *RecommentService) GetPersonalHotItems(uid uint) (items []model.ItemModel, e *ecode.Ecode) {
	e = ecode.OK()

	// 在算法中处理的都是“类型”，而最后返回的是“商品”

	// 类型总体热度 = 该类商品在过去30天的浏览量*0.5 + 该类商品的总被购买量*0.5
	// 用户喜爱程度 = 用户对该类商品的浏览量*0.4 + 用户对该类商品的购买量*0.6
	// 时间指数：为解决商品冷启动问题：Wtime = 1/(1+e^(-x))
	// x 为 5天 一个单位
	// 类型推荐程度 = (类型总体热度*0.4 + 用户喜爱程度*0.6) * Wtime
	// 将类型推荐程度进行拟合，得到一个商品符合类型多的商品
	// 然后在对所有商品对于所有用户的浏览量进行排序，采用类型拟合优先，类型完全一致的商品采用浏览量排序

	// 因为用户会一直刷新列表
	// 在前15名中随机选取5个商品，在15-27随机选取4个商品，在27-30中随机选取1个商品
	// 维持三轮，如果用户三轮都不满意，那么判定用户是来找茬的，建议前端直接跳个鬼图
	// 这样做可以也可以保证热门商品可能被重复推荐，让用户狠狠购买！

	// 该算法运行过程中计算与数据库负荷较大，用户喜爱程度缓存60秒，商品总体热度缓存600秒，单一商品浏览量缓存60秒，Wtime缓存 600 秒
	// @TODO: 采用布隆过滤器，降低推荐过的商品的概率
	// @TODO[IMPORTANT]: 优化 Wtime 算法！！！ IMPORTANT

	//缓存机制，每次用户的记录都会隔60秒更新
	// userHotTypes := model.RedisRemember(strconv.FormatUint(uint64(uid), 10)+"_hot_types", 60, func() interface{} {
	// 	return s.LoadUserHotTypes(uid)
	// })
	// allHotTypes := model.RedisRemember("all_hot_types", 600, func() interface{} {
	// 	return s.LoadAllHotTypes()
	// })

	userHotTypes := new(map[int]int)
	model.RedisRememberRet(strconv.FormatUint(uint64(uid), 10)+"_hot_types", 60, func() interface{} {
		return s.LoadUserHotTypes(uid)
	}, &userHotTypes)
	allHotTypes := new(map[int]int)
	model.RedisRememberRet("all_hot_types", 600, func() interface{} {
		return s.LoadAllHotTypes()
	}, &allHotTypes)

	// 整合
	allTypes := make(map[int]int)
	for k, v := range *userHotTypes {
		allTypes[k] += v
	}
	for k, v := range *allHotTypes {
		allTypes[k] += v
	}

	// 在所有商品中匹配符合类型多的
	// 1. 获取所有商品
	var allItems []model.ItemModel
	var allItemsWtime = make(map[uint]float64)
	model.DB.Find(&allItems)

	// 冷启动部分：不知道可不可用，反正先用着
	// 计算 Wtime
	// 1/(1+e^(-x))
	model.RedisRememberRet("all_items_wtime", 600, func() interface{} {
		now := util.GetTime()
		for _, v := range allItems {
			allItemsWtime[v.ID] = 1 / (1 + math.Pow(2.7181, -float64((now-v.CreatedAt.Unix())/86400/5)))
		}
		return allItemsWtime
	}, &allItemsWtime)

	// 2. 计算商品的类型匹配度
	var itemMatch = make(map[uint]int)
	for _, item := range allItems {
		for _, t := range item.Types {
			itemMatch[item.ID] += allTypes[t]
		}
	}

	for k, v := range itemMatch {
		itemMatch[k] = int(float64(v) * allItemsWtime[k])
	}

	// 计算冷启动问题

	// 3. 对商品进行排序
	type kv struct {
		Key   uint
		Value int
	}

	var sortedItems []kv
	for k, v := range itemMatch {
		sortedItems = append(sortedItems, kv{k, v})
	}

	sort.Slice(sortedItems, func(i, j int) bool {
		return sortedItems[i].Value > sortedItems[j].Value
	})

	// 4. 根据排序结果获取商品
	for _, kv := range sortedItems {
		var item model.ItemModel
		model.DB.First(&item, kv.Key)
		items = append(items, item)
	}

	// 5. 随机选取商品
	var result []model.ItemModel
	if len(items) > 30 {
		// 在前15名中随机选取5个商品
		for _, i := range util.RandomSample(0, 15, 5) {
			result = append(result, items[i])
		}
		// 在15-27随机选取4个商品
		for _, i := range util.RandomSample(15, 27, 4) {
			result = append(result, items[i])
		}
		// 在27-30中随机选取1个商品
		for _, i := range util.RandomSample(27, 30, 1) {
			result = append(result, items[i])
		}
	} else {
		result = items
	}

	return result, e
}

func (s *RecommentService) LoadUserHotTypes(uid uint) map[int]int {
	// 1. 获取用户的历史记录
	var history []model.HistoryModel
	model.DB.Preload("Item").Where("user_id=?", uid).Find(&history)
	// 提取对每种商品的类型
	var allTypes = make(map[int]int)
	for _, h := range history {
		for _, t := range h.Item.Types {
			allTypes[t] += 4
		}
	}

	// 2. 获取用户的购买记录
	var buyments []model.BuymentModel
	model.DB.Preload("Item").Preload("User").Where("user_id=?", uid).Find(&buyments)
	for _, b := range buyments {
		for _, t := range b.Item.Types {
			allTypes[t] += 6
		}
	}
	return allTypes
}

func (s *RecommentService) LoadAllHotTypes() map[int]int {
	// 获取全部的商品浏览记录
	var history []model.HistoryModel
	model.DB.Preload("Item").Find(&history)
	// 提取对每种商品的类型
	var allTypes = make(map[int]int)
	for _, h := range history {
		for _, t := range h.Item.Types {
			allTypes[t] += 5
		}
	}

	// 获取全部的商品购买记录
	var buyments []model.BuymentModel
	model.DB.Preload("Item").Preload("User").Find(&buyments)
	for _, b := range buyments {
		for _, t := range b.Item.Types {
			allTypes[t] += 5
		}
	}
	return allTypes
}