论文部分内容阅读
在互联网快速发展的今天,搜索是用户非常重要的需求,这个需求日益增高。为了给用户更好的搜索体验,给予用户搜索词的相关的推荐结果,推荐系统应运而生。推荐系统可以引导用户继续搜索,而且为用户的搜索提供了更好的效果体验,并且可以获取更多的点击和流量,并为用户搜索行为分析提供数据。由于初始的推荐结果是通过算法计算出来的,难免有相关性差的推荐结果,这会给用户带来很差的搜索体验,因此为了保证推荐结果的准确性,需要推荐干预管理平台对线上结果进行干预,不仅是对推荐结果的干预,包括query的屏蔽,色情和反动query,抑或政治类的query有强烈的屏蔽需求。而且产品策略人员需要小流量数据来测试策略的效果,根据结果调整策略,然后干预线上资源的推荐结果。因此推荐干预管理平台的建立是必要的。本项目基于LNMP(Linux操作系统+Nginx服务器+MySQL数据库+PHP编程语言)开发。框架选择Yii(一款基于php的MVC框架)+Smarty(一款基于php的模板引擎,用于实现前后端分离)+Bootstrap(基于HTML5和CSS3的前端UI框架)。通过各种框架的使用,后端开发更高效,前端由模板引擎构建,前后分离,耦合度更低,容错率高。项目开发期间,作者独立设计并实现了卡片干预模块、query屏蔽模块、干预列表模块、批量query卡片拷贝模块、修改配图模块以及系统定时任务模块的部分功能。通过这些功能,目前已经干预的卡片,论文将使用UML统一建模语言来对本平台建立用例模型,并对其做需求分析,接着根据数据库表结构来描述数据库的设计,通过时序图与类图来描述卡片干预模块、query屏蔽模块、系统定时任务模块的设计与实现。此项目已经投入使用,使用期间,用户通过平台已经干预了超过2万条记录,推荐卡片的干预超过了1900条记录。通过干预线上推荐结果,提高了线上用户的搜索体验,增加了搜索引擎的流量。