Press "Enter" to skip to content

《文章推荐系统》系列之基于热门文章和新文章的在线召回

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

 

在上篇文章中我们实现了基于内容的在线召回,接下来,我们将实现基于热门文章和新文章的在线召回。主要思路是根据点击次数,统计每个频道下的热门文章,根据发布时间统计每个频道下的新文章,当推荐文章不足时,可以根据这些文章进行补足。

 

由于数据量较小,这里采用 Redis 存储热门文章和新文章的召回结果,数据结构如下所示

 

热门文章召回 结构 示例
popular_recall ch:{}:hot ch:18:hot

 

新文章召回 结构 示例
new_article ch:{}:new ch:18:new

 

热门文章存储,键为 ch:频道ID:hot 值为 分数文章ID

 

# ZINCRBY key increment member
# ZSCORE
# 为有序集 key 的成员 member 的 score 值加上增量 increment 。
client.zincrby("ch:{}:hot".format(row['channelId']), 1, row['param']['articleId'])
# ZREVRANGE key start stop [WITHSCORES]
client.zrevrange(ch:{}:new, 0, -1)

 

新文章存储,键为 ch:{频道ID}:new 值为 文章ID:时间戳

 

# ZADD ZRANGE
# ZADD key score member [[score member] [score member] ...]
# ZRANGE page_rank 0 -1
client.zadd("ch:{}:new".format(channel_id), {article_id: time.time()})

 

热门文章在线召回

 

首先,添加 Spark Streaming 和 Kafka 的配置,热门文章读取由业务系统发送到 Kafka 的 click-trace 主题中的用户实时行为数据

 

KAFKA_SERVER = "192.168.19.137:9092"
click_kafkaParams = {"metadata.broker.list": KAFKA_SERVER}
HOT_DS = KafkaUtils.createDirectStream(stream_c, ['click-trace'], click_kafkaParams)

 

接下来,利用 Spark Streaming 读取 Kafka 中的用户行为数据,筛选出被点击过的文章,将 Redis 中的文章热度分数进行累加即可

 

client = redis.StrictRedis(host=DefaultConfig.REDIS_HOST, port=DefaultConfig.REDIS_PORT, db=10)
def update_hot_redis(self):
    """
    收集用户行为,更新热门文章分数
    :return:
    """
    def update_hot_article(rdd):
        for data in rdd.collect():
            # 过滤用户行为
            if data['param']['action'] in ['exposure', 'read']:
                pass
            else:
                client.zincrby("ch:{}:hot".format(data['channelId']), 1, data['param']['articleId'])
    HOT_DS.map(lambda x: json.loads(x[1])).foreachRDD(update_hot_article)

 

测试,写入用户行为日志

 

echo {\"actionTime\":\"2019-04-10 21:04:39\",\"readTime\":\"\",\"channelId\":18,\"param\":{\"action\": \"click\", \"userId\": \"2\", \"articleId\": \"14299\", \"algorithmCombine\": \"C2\"}} >> userClick.log

 

查询热门文章

 

127.0.0.1:6379[10]> keys *
1) "ch:18:hot"
127.0.0.1:6379[10]> ZRANGE "ch:18:hot" 0 -1
1) "14299"

 

新文章在线召回

 

首先,添加 Spark Streaming 和 Kafka 的配置,新文章读取由业务系统发送到 Kafka 的 new-article 主题中的最新发布文章数据

 

NEW_ARTICLE_DS = KafkaUtils.createDirectStream(stream_c, ['new-article'], click_kafkaParams)

 

接下来,利用 Spark Streaming 读取 Kafka 的新文章,将其按频道添加到 Redis 中,Redis 的值为当前时间

 

def  update_new_redis(self):
    """更新频道最新文章
    :return:
    """
    def add_new_article(rdd):
        for row in rdd.collect():
            channel_id, article_id = row.split(',')
            client.zadd("ch:{}:new".format(channel_id), {article_id: time.time()})
    NEW_ARTICLE_DS.map(lambda x: x[1]).foreachRDD(add_new_article)

 

还需要在 Kafka 的启动脚本中添加 new-article 主题监听配置,这样就可以收到业务系统发送过来的新文章了,重新启动 Flume 和 Kafka

 

/root/bigdata/kafka/bin/kafka-topics.sh --zookeeper 192.168.19.137:2181 --create --replication-factor 1 --topic new-article --partitions 1

 

测试,向 Kafka 发送新文章数据

 

from kafka import KafkaProducer
# kafka消息生产者
kafka_producer = KafkaProducer(bootstrap_servers=['192.168.19.137:9092'])
# 构造消息并发送
msg = '{},{}'.format(18, 13891)
kafka_producer.send('new-article', msg.encode())

 

查看新文章

 

127.0.0.1:6379[10]> keys *
1) "ch:18:hot"
2) "ch:18:new"
127.0.0.1:6379[10]> ZRANGE "ch:18:new" 0 -1
1) "13890"
2) "13891"

 

最后,修改 online_update.py ,加入基于热门文章和新文章的在线召回逻辑,开启实时运行即可

 

if __name__ == '__main__':
    ore = OnlineRecall()
    ore.update_content_recall()
    ore.update_hot_redis()
    ore.update_new_redis()
    stream_sc.start()
    # 使用 ctrl+c 可以退出服务
    _ONE_DAY_IN_SECONDS = 60 * 60 * 24
    try:
        while True:
            time.sleep(_ONE_DAY_IN_SECONDS)
    except KeyboardInterrupt:
        pass

 

到这里,我们就完成了召回阶段的全部工作,包括基于模型和基于内容的离线召回,以及基于内容、热门文章和新文章的在线召回。通过召回,我们可以从数百万甚至上亿的原始物品数据中,筛选出和用户相关的几百、几千个可能感兴趣的物品,后面,我们将要进入到排序阶段,对召回的几百、几千个物品进行进一步的筛选和排序。

 

参考

 

https://www.bilibili.com/video/av68356229

 

https://pan.baidu.com/s/1-uvGJ-mEskjhtaial0Xmgw(学习资源已保存至网盘, 提取码:eakp)

Be First to Comment

发表评论

邮箱地址不会被公开。 必填项已用*标注