使用PHP?MySQL實現(xiàn)數(shù)據(jù)量小的內(nèi)容推薦方法

更新時間：2023年07月19日 14:26:52 作者：北橋蘇

這篇文章主要為大家介紹了使用PHP?MySQL實現(xiàn)數(shù)據(jù)量小的內(nèi)容推薦方法示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪

前言

當下，只要是一個初具規(guī)模的內(nèi)容應用都具備個性化推薦系統(tǒng)。比如購物類的會有推薦商品模塊，搜索條下有個性化的搜索關鍵詞或詞條補全詞，社交類的有博主推薦，視頻或文章推薦等等。這些功能除了要有龐大的數(shù)據(jù)量，還要有健全的數(shù)據(jù)存儲倉庫建設方案，以及后面對數(shù)據(jù)的清洗，排序，訓練后的推薦模型算法?！　?/p>

但是，對于小公司或者說是小項目，在想法還未真正落地就設計大數(shù)據(jù)存儲，推薦算法和一系列大型架構(gòu)的方案，顯然是不符合業(yè)務型產(chǎn)品開展的正常規(guī)律的。我想那些大廠早期開發(fā)應該也沒有這么成熟的技術結(jié)構(gòu)，都是不斷迭代或者推倒重來一步步走過來的。　　

那么，在小項目早期安排了有關于推薦功能的那要如何解決呢？如何做到下一次迭代在不重構(gòu)的基礎上添加協(xié)同過濾推薦？下面就從視頻推薦和用戶推薦兩個功能展開，用PHP和MySQL進行代碼實現(xiàn)。

視頻推薦

這里主要通過一個內(nèi)容熱度值進行排序推薦，熱度由內(nèi)容質(zhì)量和發(fā)布時間差決定，時差越長，熱度越低，內(nèi)容質(zhì)量越高熱度越高。而內(nèi)容質(zhì)量由視頻點贊數(shù)，收藏數(shù)和評論數(shù)外帶權重決定，總體就是單位時間內(nèi)點贊，收藏，評論越高，熱度提升，視頻就越往前靠。相對的就是發(fā)布時間越久，熱度就會逐步降低，視頻越往后靠。

另外我們還要設計兩個參數(shù)用于手動調(diào)節(jié)視頻的熱度，提高就只需要增加內(nèi)容質(zhì)量，所以額外加一個數(shù)可以說是初始值。降低可以對時間差添加一個指數(shù)，也就是時間差的次方，可以理解是重力，也就是隨著時間拉長，重力增加則熱度成倍降低。

1. 公式

1.1. ”H“：視頻熱度值

1.2. ”W“：視頻質(zhì)量，質(zhì)量值自定(點贊數(shù)權重，收藏數(shù)權重之和，或者點贊率(點贊量/閱讀量)，收藏率(收藏量/閱讀量)之和)等。

1.3. ”I“：初始值，可以手動調(diào)節(jié)熱度或者用于后期用戶賬號的權重。比如系統(tǒng)已經(jīng)有了成長體系，賬號發(fā)育規(guī)則基本完善了，用于實時計算賬號的權重分配的流量池，權重提升，則后面發(fā)布的視頻推薦力度大。

1.4. ”T“：時間差，由當前時間 - 發(fā)布時間產(chǎn)生，加一的原因是防止時間差為0(分母為零)，不過有審核機制下，這種情況并不存在。

1.5. ”G"：熱度衰減重力，這個也是用于手動調(diào)節(jié)熱度設置的控制參數(shù)。不過后期如果添加了舉報或者智能復審等環(huán)節(jié)，再隨著諸如點贊和賬戶權重評估失控熱度飆升的情況下，對視頻違規(guī)或不良表現(xiàn)或臨時情況進行減小推薦。默認值最好是1，這種情況就是在同等質(zhì)量下新發(fā)布的越往前。

2. 表結(jié)構(gòu)

CREATE TABLE `hhyp_short_video` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `hsvn` varchar(255) DEFAULT '' COMMENT '短視頻編號',
  `type` tinyint(1) DEFAULT '0' COMMENT '類型：1. 視頻 2.圖文',
  `user_id` int(11) DEFAULT '0',
  `video_url` varchar(255) DEFAULT '',
  `img_url` json DEFAULT NULL,
  `content` text COMMENT '內(nèi)容',
  `market_goods_id` int(11) DEFAULT '0',
  `address_id` int(11) DEFAULT '0' COMMENT '地址ID',
  `lat` decimal(4,0) DEFAULT '0' COMMENT '緯度',
  `lng` decimal(4,0) DEFAULT '0' COMMENT '經(jīng)度',
  `ip` varchar(100) CHARACTER SET utf8 DEFAULT '' COMMENT 'IP',
  `channel` tinyint(1) DEFAULT '0' COMMENT '渠道',
  `read_count` int(11) DEFAULT '0' COMMENT '瀏覽數(shù)',
  `like_count` int(11) DEFAULT '0' COMMENT '點贊數(shù)',
  `collect_count` int(11) DEFAULT '0' COMMENT '收藏數(shù)',
  `comment_count` int(11) DEFAULT '0' COMMENT '評論數(shù)',
  `share_count` int(11) DEFAULT '0' COMMENT '分享數(shù)',
  `is_top` tinyint(1) DEFAULT '0' COMMENT '是否置頂：0.否 1.是',
  `status` int(11) DEFAULT '0' COMMENT '0. 審核中 10. 推薦  20. 下架',
  `hot_int` int(11) DEFAULT '1' COMMENT '熱度初始值',
  `gravity` int(11) DEFAULT '1' COMMENT '熱度重力衰減值',
  `audit_time` int(11) DEFAULT '0' COMMENT '審核時間',
  `remark` text,
  `create_time` int(11) DEFAULT '0' COMMENT '創(chuàng)建時間',
  `delete_time` int(11) DEFAULT '0',
  `update_time` int(11) DEFAULT '0',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=107 DEFAULT CHARSET=utf8mb4;

3. 代碼

public static function getList($map, $page = 1, $size = 20)
    {
        // 數(shù)據(jù)指標權重配置
        $wcfg = [
            'like_weight' => 4,
            'collect_weight' => 3,
            'comment_weight' => 1
        ];
        $timeUnit = 3600;          // 單位小時
        $where[] = ['delete_time', '=', 0];
        $map = array_merge($where, $map);
        // 單位小時內(nèi)，點贊/收藏/評論越多熱度越高，發(fā)布越久熱度越低
        $alog = "(like_count*%s+collect_count*%s+comment_count*%s+hot_int)/pow((UNIX_TIMESTAMP(NOW())-create_time)/%s, gravity)";
        $hotIndex = sprintf($alog, $wcfg['like_weight'], $wcfg['collect_weight'], $wcfg['comment_weight'], $timeUnit);
        $field = ["id, hsvn,type,user_id,video_url,img_url,content,market_goods_id,
        like_count,collect_count,address_id,comment_count,share_count,create_time, $hotIndex as hot_index"];
        $list = self::field($field)
            ->json(['img_url'], true)
            ->with([
                'user' => function ($query) {
                    $query->withField('id, nickname, mobile, avatar');
                },
                'marketGoods' => function ($query) {
                    $query->withField('id, content,freight,user_id');
                },
                'address' => function ($query) {
                    $query->withField('id, mername');
                }
            ])
            ->where($map)
            ->page($page, $size)
            ->order("hot_index desc")
            ->select();
        return $list;
    }

用戶推薦

推薦用戶，大部分是放在App里的個人中心感興趣用戶模塊。有的是給用戶推薦授權的通訊錄好友，有的是根據(jù)行為數(shù)據(jù)，通過給用戶打標簽，再推薦與自己標簽相似的用戶等等方式。而我這里的用戶推薦是放在發(fā)布視頻的用戶面板里，本來我想通過協(xié)同過濾的相似用戶來做，由于數(shù)據(jù)太有限，加之我們業(yè)務本身就不能查看用戶關注列表和粉絲列表，所以就暫時用了一個折中的方法，給用戶推薦創(chuàng)作者關注的關注?！　?/p>

根據(jù)當前面板用戶關注的用戶里挑出粉絲數(shù)最多的前十個，然后再從這十個里分別挑出他們關注用戶里粉絲最多的前十，最后合并去重，也就是給自己推薦打開用戶關注的關注里粉絲最多的那批人。

1. 表結(jié)構(gòu)

CREATE TABLE `hhyp_user_attention` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `user_id` int(11) NOT NULL DEFAULT '0' COMMENT '用戶id',
  `comcemed_user_id` int(11) NOT NULL DEFAULT '0' COMMENT '關注的用戶id',
  `create_time` int(11) DEFAULT '0' COMMENT '創(chuàng)建時間',
  `status` smallint(3) NOT NULL DEFAULT '0' COMMENT '關注狀態(tài) 0未關注 1已關注',
  `update_time` int(11) DEFAULT '0' COMMENT '更新時間',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=352 DEFAULT CHARSET=utf8mb4;

2. 代碼

通過查詢子查詢里指定用戶里粉絲最多的前十人(分組排序)，然后遞歸往前查詢就形成關注鏈條，最后再合并查詢結(jié)果。其實這個也很看數(shù)據(jù)的，當我真正把這個方法放上去的時候，會發(fā)現(xiàn)很多面板里沒有用戶推薦的數(shù)據(jù)，因為很多用戶根據(jù)就沒關注幾個人。

所以通過深度學習或者協(xié)同過濾做用戶推薦可能要等待一段時間，等用戶行為數(shù)據(jù)產(chǎn)生差不多的時候，我再出一下協(xié)同過濾的用戶相似度推薦吧。

// 關注鏈列表
    public static function grandadList($userIds = [], &$allList = [], &$level = 1)
    {
        $field = ["comcemed_user_id, count(*) as fans_count, {$level} as level"];
        $list = self::field($field)
            ->where('comcemed_user_id', 'in', function ($query) use ($userIds) {
                $query->table('hhyp_user_attention')
                    ->where('user_id', 'in', $userIds)
                    ->where('status', '=', 1)
                    ->field('comcemed_user_id');
            })
            ->where('status', '=', 1)
            ->group('comcemed_user_id')
            ->order('fans_count desc')
            ->limit(10)
            ->select()
            ->toArray();
        if ($list && $level < 4) {
            $level++;
            $comcemedUserIds = array_column($list, 'comcemed_user_id');
            $list = self::grandadList($comcemedUserIds, $list, $level);
        }
        $list = array_merge($allList, $list);
        return $list;
    }

以上就是使用PHP MySQL實現(xiàn)數(shù)據(jù)量小的內(nèi)容推薦方法的詳細內(nèi)容，更多關于PHP MySQL內(nèi)容推薦的資料請關注腳本之家其它相關文章！

您可能感興趣的文章: