完整索引列表.md 7.41 KB
Edit Raw Blame History


完整索引清单
📋 所有可用的推荐索引
1. i2i 相似度索引
1.1 行为相似索引（3种）
Swing算法：
i2i:swing:{item_id}


示例：i2i:swing:12345

Session Word2Vec：
i2i:session_w2v:{item_id}


示例：i2i:session_w2v:12345

DeepWalk：
i2i:deepwalk:{item_id}


示例：i2i:deepwalk:12345
1.2 内容相似索引（3种方法）
混合方法（推荐）：
i2i:content_hybrid:{item_id}


示例：i2i:content_hybrid:12345

TF-IDF方法：
i2i:content_tfidf:{item_id}


示例：i2i:content_tfidf:12345

分类方法：
i2i:content_category:{item_id}


示例：i2i:content_category:12345


2. 兴趣点聚合索引
格式：interest:{list_type}:{dimension}:{value}
2.1 列表类型（list_type）

hot - 热门商品
cart - 加购商品
new - 新品
global - 全局（所有数据）

2.2 单维度索引
业务平台（platform）
interest:hot:platform:pc
interest:hot:platform:mobile
interest:cart:platform:pc
interest:new:platform:mobile
interest:global:platform:pc

客户端平台（client_platform）
interest:hot:client_platform:web
interest:hot:client_platform:app
interest:cart:client_platform:web
interest:new:client_platform:app
interest:global:client_platform:web

供应商（supplier）
interest:hot:supplier:10001
interest:hot:supplier:10002
interest:cart:supplier:10001
interest:new:supplier:10002
interest:global:supplier:10001

一级分类（category_level1）
interest:hot:category_level1:100
interest:cart:category_level1:100
interest:new:category_level1:100
interest:global:category_level1:100

二级分类（category_level2）
interest:hot:category_level2:200
interest:cart:category_level2:200
interest:new:category_level2:200
interest:global:category_level2:200

三级分类（category_level3）
interest:hot:category_level3:300
interest:cart:category_level3:300
interest:new:category_level3:300
interest:global:category_level3:300

四级分类（category_level4）
interest:hot:category_level4:400
interest:cart:category_level4:400
interest:new:category_level4:400
interest:global:category_level4:400

2.3 组合维度索引
平台 + 客户端
interest:hot:platform_client:pc_web
interest:hot:platform_client:pc_app
interest:hot:platform_client:mobile_web
interest:hot:platform_client:mobile_app

平台 + 二级分类
interest:hot:platform_category2:pc_200
interest:hot:platform_category2:mobile_200
interest:cart:platform_category2:pc_200
interest:new:platform_category2:mobile_200

平台 + 三级分类
interest:hot:platform_category3:pc_300
interest:hot:platform_category3:mobile_300
interest:cart:platform_category3:pc_300
interest:new:platform_category3:mobile_300

客户端平台 + 二级分类
interest:hot:client_category2:web_200
interest:hot:client_category2:app_200
interest:cart:client_category2:web_200
interest:new:client_category2:app_200


🎯 按业务场景的索引使用
场景1: 首页个性化推荐
方案A: 基于平台
key = f"interest:hot:platform:{user_platform}"
# 示例：interest:hot:platform:pc


方案B: 基于分类偏好
key = f"interest:hot:category_level2:{user_favorite_category}"
# 示例：interest:hot:category_level2:200


方案C: 基于平台+分类
key = f"interest:hot:platform_category2:{user_platform}_{category_id}"
# 示例：interest:hot:platform_category2:pc_200

场景2: 详情页相关推荐
方案A: 行为相似
key = f"i2i:swing:{current_item_id}"
# 示例：i2i:swing:12345


方案B: 内容相似
key = f"i2i:content_hybrid:{current_item_id}"
# 示例：i2i:content_hybrid:12345


方案C: 融合推荐
behavior_similar = redis.get(f"i2i:swing:{item_id}")
content_similar = redis.get(f"i2i:content_hybrid:{item_id}")
# 融合两种结果

场景3: 分类页推荐
方案A: 该分类热门
key = f"interest:hot:category_level2:{category_id}"
# 示例：interest:hot:category_level2:200


方案B: 该分类新品
key = f"interest:new:category_level2:{category_id}"
# 示例：interest:new:category_level2:200


方案C: 该分类+平台
key = f"interest:hot:platform_category2:{platform}_{category_id}"
# 示例：interest:hot:platform_category2:pc_200

场景4: 供应商店铺页
方案A: 供应商热门商品
key = f"interest:hot:supplier:{supplier_id}"
# 示例：interest:hot:supplier:10001


方案B: 供应商新品
key = f"interest:new:supplier:{supplier_id}"
# 示例：interest:new:supplier:10001

场景5: 搜索结果页推荐
方案A: 全局热门
key = "interest:global:platform:pc"


方案B: 分类相关
key = f"interest:global:category_level2:{search_category}"
# 示例：interest:global:category_level2:200


📊 索引数量统计
i2i索引

行为相似：3种算法 × 商品数量
内容相似：3种方法 × 商品数量
总计：6 × 商品数量

兴趣点聚合索引
单维度：


platform: 2-10个
client_platform: 2-5个
supplier: 100-1000个
category_level1: 10-50个
category_level2: 50-200个
category_level3: 200-1000个
category_level4: 1000-5000个


组合维度：


platform_client: 4-50个
platform_category2: 100-2000个
platform_category3: 400-10000个
client_category2: 100-1000个


列表类型：每个维度 × 4种类型（hot/cart/new/global）

预估总数：10000-50000条索引


🔍 查询示例代码
Python示例
import redis

# 连接Redis
r = redis.Redis(host='localhost', port=6379, db=0, decode_responses=True)

# 1. 查询商品的相似商品
item_id = "12345"
similar_items = r.get(f"i2i:swing:{item_id}")
if similar_items:
    items = similar_items.split(',')
    for item in items[:5]:  # 取前5个
        item_id, score = item.split(':')
        print(f"商品ID: {item_id}, 相似度: {score}")

# 2. 查询分类热门商品
category_id = "200"
hot_items = r.get(f"interest:hot:category_level2:{category_id}")
if hot_items:
    items = hot_items.split(',')
    for item in items[:10]:  # 取前10个
        item_id, score = item.split(':')
        print(f"商品ID: {item_id}, 得分: {score}")

# 3. 查询平台+分类组合
platform = "pc"
category_id = "200"
key = f"interest:hot:platform_category2:{platform}_{category_id}"
items = r.get(key)

Redis命令行示例
# 查询商品相似度
redis-cli GET "i2i:swing:12345"

# 查询分类热门
redis-cli GET "interest:hot:category_level2:200"

# 查询供应商商品
redis-cli GET "interest:hot:supplier:10001"

# 模糊查询所有热门索引
redis-cli KEYS "interest:hot:*"

# 查看某个分类的所有类型
redis-cli KEYS "interest:*:category_level2:200"


📝 注意事项

索引命名规范：严格遵循 type:subtype:dimension:value 格式
值的格式：item_id1:score1,item_id2:score2,...
过期时间：建议设置7天过期
更新频率：建议每天更新一次
查询优先级：


优先使用细粒度索引（如四级分类）
粗粒度索引作为后备（如一级分类）
融合多个索引结果


版本: v1.1

生成日期: 2025-10-16

索引总数: 约10000-50000条