推荐系统-Task03离线物料系统的构建

新闻推荐系统项目：datawhale-fun-rec: JustForFun小队，Datawhale推荐系统学习项目，仅供个人学习！

 如上图所示，离线部分的物料系统流程分为物料爬取、画像构建，用户画像更新与构建。进行离线计算，为每个用户提供一个热门页列表和推荐页列表并缓存，为后续在线部分服务。

离线系统基本内容：

• 新闻物料爬取：主要采用scrapy爬虫工具，在每天晚上23点将当天的新闻内容从网页中进行抓取，存入MongoDB的SinaNews数据库中。
• 物料画像构建：更新当天新闻动态画像，将用户对前一天新闻的交互，包括阅读、点赞和收藏等行为（动态）存入Redis中；对物料画像处理，将新闻静态和动态数据分别存入对应的Redis中。
• 用户画像构建：用户通过前端注册页面，进行用户注册，将用户信息存入MySQL的用户注册信息表（register_user）中；用户通过阅读、点赞及收藏新闻，将用户行为数据存入MySQL的用户阅读信息表（user_read）、用户点赞信息表（user_likes）和用户收藏信息表（user_collections）；将当天的新注册用户基本信息及其行为数据构造用户画像，存入MongoDB中的UserProtrai集合中。
• 自动化构建画像：将物料画像构建和用户画像构建进行整合，构建整个自动化流程。

项目结构：

物料画像的构建

文件目录

├── material_process
│   ├── log_process.py
│   ├── news_protrait.py
│   ├── news_to_redis.py
│   └── utils.py
├── process_material.py
└── update_redis.py

物料画像构建流程

运行process_material.py会自动构建物料画像然后存储到数据库中。

1. 将今天爬取的数据构造画像存入画像数据库(MongoDB)中，包含：ews_id,title,raw_key_words,manual_key_words,ctime,content,cate,url,
动态画像初始值(likes,collections,read_num,hot_value)
2. 每天都需要将新闻详情更新到redis中，并且将前一天的redis数据删掉
3. 用redis的动态画像更新mongodb的画像，将mongodb中对应的动态画像更新

用户画像数据构建

文件目录

├── process_user.py
├── update_redis.py
└── user_process
    ├── user_protrail.py
    └── user_to_mysql.py

用户画像数据构建流程

运行process_user.py 会自动将用户的曝光数据从redis落到mysql中，并且更新用户画像

1. 用户曝光数据user_id,news_list保存到mongodb
2. 每天都需要将当天注册的用户添加到用户画像池中
3. 获取用户历史行为的统计特征进行用户画像数据更新(弃用)

├── process_material.py
├── process_user.py
├── update_redis.py
└── user_process
    ├── user_protrail.py
    └── user_to_mysql.py

后续更新！！！

参考资料：我的组队学习