构建基于用户的检索和推荐

检索和推荐在电子商务运营中有着比较重要的地位，通过检索用户可以方便找到想要的商品，通过推荐，可以主动提供用户可能想要的商品，检索和推荐的应用，都增加了用户的购买和未来购买的可能性。

基于用户的检索，不是和其他常见的检索一样，只要检索条件相同，都会出现同样的结果。每个用户都有各自的特性和偏好，在一个阶段内都有不同的动向，基于用户的检索平台，通过对用户行为数据的分析，得出用户的特性和偏好，甚至近期的动向，在检索中根据用户身份标识，展现给用户基于自己的结果。

举个例子，比如一个用户在以往购买的商品或经常浏览的商品中，偏好蓝色，大尺码，而且价格一般比较高，那么检索平台提供给此用户的商品结果中，蓝色、大尺码、价格高些的商品排序靠前一些，假如此用户近期经常看手机，但是又没有购买，那么手机商品可以展现在更靠前些，因为用户的动向表明了用户未来的购买愿望，对于产生购买行为的可能性更大些。

在基于用户的检索和推荐系统平台中，有三个系统：用户网站行为信息采集系统、分布式存储和分析系统、通用检索平台。

用户网站行为信息采集系统，需要记录用户在网站上的行为，比如基本的链接点击、停留时间、检索关键词、商品属性选择等等 。这些数据是分析用户特性和行为的基础。

分布式存储和分析系统，存储了用户网站行为信息的原始记录，也会根据需要存储其他数据，比如数据库中用户购买商品的记录等等。通过这些原始用户数据，分析出用户的特性和近期动向，并提供给其他系统服务查询功能。

通用检索平台，主要存储商品信息，严格上来讲和以上两个系统完全隔离，没有什么直接关系。

通过调用分析系统的服务，获取用户特性，然后构建查询，调整权重，从而从通用检索平台检索出基于此用户特性的数据。

分布式存储和分析系统，个人偏向采用Hadoop（http://hadoop.apache.org/）及其一系列开源框架，借助于MapReduce对海量的用户数据进行分析。

通用检索平台，我还是采用Solr （http://lucene.apache.org/solr/）。我觉得Solr在功能和性能上完全可以满足大多数电子商务的检索应用。

和其他推荐系统不同的是，基于用户的推荐，数据来源还是通用检索平台。