揭秘12306如何保证车票不的关键技术！(组图)

　　揭秘12306如何保证车票不的关键技术！(组图)

　　我正在休假，为什么显示有票却无法获得票？揭秘12306的关键技术，如何确保票证不会超卖！ >>>

　　推荐系统经常在现代网站中使用。不同类型的操作需要不同的推荐策略，并且推荐策略必须简单易懂，这可以方便操作和维护人员进行手动调整。本文以全文搜索引擎为例，说明如何自定义推荐系统。

　　###基本原理推荐系统的基本原理是首先分析相关产品，例如

　　"male age18 1000 1010 1020 ..."

　　此处的“ 1”是产品的ID。当18岁的男性用户注意两种产品“ 1000 1020”时，他会使用条件

　　"male age18 1000 1020"

　　搜索，获取收录所有条件的文本，然后向用户推荐产品“ 1010”。

　　###实时推荐某些流行的相关产品仅售卖了几天，之后相关性迅速减弱，需要实时推荐。实时推荐的原理是记录每个用户在一天中（或最近几天）长时间浏览的产品。当新用户也正在寻找类似产品时，请向该新用户推荐曾经浏览过同一产品的前几个用户。用户

　　####实现这些功能的代码可以使用全文本搜索引擎来实现。以FTServer使用的引擎为例。当用户关注产品时，将产品用作文本内容，并将用户用作文本ID来生成searchindex dailyEngine .indexText（），此索引等效于复合主键（product-user ），则每当涉及到新产品时，都会调用FavorWhenStay10Sec（）。此函数包括用于生成搜索索引的代码indexText（）以及用于记录用户注意力的iBoxDB数据库** insert（）**操作

　　private static void FavorWhenStay10Sec(Engine dailyEngine, AutoBox autoDaily, long userId, long itemId) {

try (Box box = autoDaily.cube()) {

box.d("/Favor").insert(new Favor(userId, itemId));

dailyEngine.indexText(box, userId, Long.toString(itemId));

box.commit();

}

}

　　当新用户注意两个产品“ 1055 1058”时，将这两个产品用作全文搜索关键字进行搜索

　　 RealTimeRecommendPrint(engine, autoDaily, new long[]{1055, 1058});

　　通过dailyEngine.searchDistinct（）搜索方法，可以获得使用相同产品的用户（生成索引时设置的文本ID为用户ID）

　　for (KeyWord kw

: dailyEngine.searchDistinct(box, sb.toString(), startId, HowManyUsersAsReference)) {

long userId = kw.getID();

....

}

　　然后建议将具有相同兴趣的用户吸引到新用户

　　for (Favor favor : box.select(Favor.class, "from /Favor where userId == ?", userId)) {

System.out.print(favor.itemId + ",");

}

　　此处，HowManyUsersAsReference设置返回的用户数。由于具有实时推荐功能，因此在很多情况下不必让所有用户都具有相同的爱好。

　　###深入推荐当大量用户关注数据时，无需由单个用户来组织数据。可以定制各种算法来分析产品的关联，或者可以手动分析产品的关联，然后回到第一部分关于实现的基本原理，具体的实现代码与直接调用完整搜索引擎，将多个相关产品的ID形成文本，然后输入全文索引，当产品ID与推荐中的产品ID匹配时，该文本与其他产品ID相关，即推荐内容。

　　源代码下载

　　更多：全文搜索中精确匹配和分词匹配的比较