# 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**
```python
key = f"interest:hot:platform:{user_platform}"
# 示例：interest:hot:platform:pc
```

**方案B: 基于分类偏好**
```python
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**
```python
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**
```python
key = f"i2i:swing:{current_item_id}"
# 示例：i2i:swing:12345
```

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

**方案C: 融合推荐**
```python
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**
```python
key = f"interest:hot:category_level2:{category_id}"
# 示例：interest:hot:category_level2:200
```

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

**方案C: 该分类+平台**
```python
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**
```python
key = f"interest:hot:supplier:{supplier_id}"
# 示例：interest:hot:supplier:10001
```

**方案B: 供应商新品**
```python
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**
```python
key = "interest:global:platform:pc"
```

**方案B: 分类相关**
```python
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

```python
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

```bash
# 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

1. **索引命名规范**：严格遵循 `type:subtype:dimension:value` 格式
2. **值的格式**：`item_id1:score1,item_id2:score2,...`
3. **过期时间**：建议设置7天过期
4. **更新频率**：建议每天更新一次
5. **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