整體架構
1）數據平臺： 在數據平臺上，針對每個用戶計算好三個推薦結果，基於用戶的推薦結果、基於物品的推薦結果、基於內容的推薦結果。基於物品的相似度、基於內容的相似度。
2）Redis數據緩存： 通過獨立的Java應用將每個用戶的推薦結果和基於物品的相似度與基於內容的相似度信息導入到Redis緩存集羣中。
3）獲取推薦結果： 推薦結果有兩種：一種是已經計算好的離線推薦結果，直接獲取即可，另一種是根據用戶實時的瀏覽記錄計算新的推薦結果。第二種推薦結果主要依賴三種數據，用戶的瀏覽記錄、基於物品的相似度、基於內容的相似度。
4）排序過濾： 將推薦的結果按照業務規則進行混合排序及去重等操作。
5）最終推薦結果： 基於業務業務規則對業務推薦的產品進行設置。
代碼開發
通過爬取某電商專題頁的產品信息，作爲本案的基礎數據。
猜你喜歡推薦接口，輸入廣告位編號、用戶編號、用戶當前會話瀏覽的商品
猜你喜歡推薦模塊實現
猜你喜歡推薦模塊主要流程
爲猜你喜歡廣告位進行推薦，分析猜你喜歡的推薦思路
猜你喜歡獲取推薦結果的步驟
基於業務需求的推薦規則的算法
數據初始化模塊，初始化各種基礎信息
爲用戶maoxiangyi實時推薦商品
