本文介绍了如何根据用户的个人行为数据，如浏览时长、点击次数和收藏等，计算用户喜好权重，利用余弦相似度和冒泡排序算法推荐商品。同时，文章详细描述了针对登录用户和新用户的推荐逻辑，确保提供个性化的商品推荐，类似于抖音的推荐策略。
效果说明：
可根据用户的个人行为，确定用户的“喜好/标签”类型进行前台首页的推荐模块展示，如：A用户喜欢某一类型的商品，通过该用户登陆后在该类型商品下的浏览时长、点击次数、是否收藏，汇总该用户在该类型的权重得分，进行相似度对比和余弦相似值计算，并运用冒泡排序法，将用户最为喜爱的该类型判断出来，持续推荐该类型下的商品（与抖音类似）
代码逻辑：
如果没获取到登录用户，直接返回列表数据。如果获取到登录用户，首先查看用户最常点击，判断是否有数据，如果没有数据则代表当前用户暂无点击数据，那么取其他用户的最常点击，再进行二次判断，如果依旧没有点击数据则返回添加时间前4条数据。如果有用户的点击数据，则取出之后进行排序取得点击量最大值，根据用户点击量最多的点击种类查询该种类下的数据，如果该种类下无数据则返回添加时间前12条数据。如果该种类下有数据但不足12条，则根据余弦比对算法，根据类型的匹配度从高到底排序取得数据，如果有大于等于12条数据，则对数据进行排序，取点击量最多的12条数据进行返回
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
