軟工大做業·歷物語（二）

文章來源：中國軟工亞洲指揮中心（Steins;Gate）
共同做者：紀神，爵爺，老闆，小男孩（按首字拼音排序）
責任編輯：爵爺

    先大體說一下這兩週完成的內容:

• 登陸界面
• 註冊界面
• 新聞詳情界面
• 用戶偏好算法（第一版）的設計與實現
• 通知系統
• 私信系統
• 部分實現了數據操做輔助類族
• 部分實現了推送系統
• 部分UI的優化

    細節還有很是很是多，固然不是說要拘泥於細節而失去了總體意識，而是在細節的把控中瞭解整個項目的脈絡。雖然功能遠沒有實現完，可是如今的項目結構已經略顯臃腫了，因此下一週準備梳理一下整個項目，開始嘗試自上而下地審視並從新設計一下整個結構。

    本週作的工做值得細說的仍是用戶偏好算法的設計。用戶偏好算法是咱們項目的核心算法，目的是爲推測出用戶近期對於新聞類型的偏好，並記錄在系統內，從而在以後可讓用戶選擇本身感興趣的信息，而且每當發佈了用戶感興趣的信息以後能夠推送給用戶。除此以外，最重要的一點是，系統能夠根據用戶的喜愛向用戶提供興趣相投的好友，從而提高用戶黏性，並能夠隱形中推廣應用。
    做爲一個用戶偏好推測算法，能夠劃分到人工智能的領域，在這裏我想談一下對於算法起點的考慮。說到機器學習，普通水平的實現只要看了Coursera上吳恩達的Machine Learning就夠用了（固然我是說很是簡單的應用），再否則Github上一堆數千star的項目，甚至都不須要知道基本概念。可是在第一版算法設計中咱們並無採用機器學習算法，這是因爲如下幾點考慮：

• 咱們採集的數據特徵值很是少
• 咱們採集的數據量很是少
• 手機計算資源的限制
• 在對機器學習沒有深刻的研究的狀況下，設計出的算法有時還不如最普通的迭代

    在第一版算法設計中，咱們只是使用了簡單的權值計算，目前先實現這版測試一下效果如何，具體設計以下：

算法目的:

    爲推測出用戶近期對於新聞類型的偏好，並記錄在系統內，從而在以後可讓用戶選擇本身感興趣的信息，而且每當發佈了用戶感興趣的信息以後能夠推送給用戶。除此以外，最重要的一點是，系統能夠根據用戶的喜愛向用戶提供興趣相投的好友，從而提高用戶黏性，並能夠隱形中推廣應用。

算法原理:

    算法計算結果是用戶對於某種類型的新聞的偏好程度，目的在於兩部分，第一部分是推測近期趨勢，第二部分是推測用戶喜愛。
    爲了體現這兩部分，咱們使用兩個衡量指標:時間因子tf(time factor)和認真程度cd(conscientious degree)來表示。爲了突出兩方面的因素，咱們使用高階運算來提高權值，計算出的值爲tpw(temporary preference weight)。
    除此以外，因爲偏好值的計算是不斷迭代的，因此每次計算新的偏好值時應該考慮以前的計算結果，給定一個權值因子wf(weight factor)，並設舊的用戶偏好值爲opw(old preference weight)，則新的用戶偏好值爲npw = opw wf + (1 - wf) * tpw*，目前取wf爲0.3，並取opw初值爲0。

算法過程:

    把用戶訪問一篇新聞的時間以及在這篇新聞上的停留時間分別設爲visitTime（單位:毫秒）和stayTime(單位:毫秒)，考慮經過這兩個因素來計算tf和cd。
    一、對於tf的計算，主要是體現用戶的偏好有多「新」，考慮取看這篇新聞距離如今的時間間隔，即currentTime - visitTime，換算整天數設爲dayInterval，那麼能夠取tf = 30 / (dayInterval + 1)(取30爲了使tf和cd處於同一個數量級)。
    二、 對於cd的計算，取平均閱讀每一個字所用的時間，設新聞正文字數爲newsLength,則cd = stayTime / newsLength。
    三、對於tpw的計算，爲了使越新、閱讀越認真的新聞重要性越大且增加速度愈來愈快，能夠取tf和cd和的平方，即tpw = (tf + cd) ^ 2。 而用戶在某一種類的新聞瀏覽記錄有n條，設每條記錄計算的tpw值爲tpwi，綜上所述可得tpwi = (30 24 * 3600 * 1000 / (currentTime - visitTime + 86400000) + stayTime / newsLength) ^ 2。
    四、則tpw最終計算結果爲。最終計算所得的npw = wf * opw + (1 - wf) * tpw。
（注意：還能夠考慮的一點是，若是我是信息學院計算機系的，你也是信息學院計算機系的，那麼咱們極可能就有共同語言，也就是同一學院、同一學系或者同一年級的用戶也可能有共同的喜愛，即便這一點沒有體如今算法計算結果上，考慮把這一點也加在偏好算法計算中）*。

算法實施:

    咱們在數據庫中設置了一張用戶偏好表用於記錄用戶偏好信息，表項有用戶id、新聞類型、偏好舊值和詳細信息，在詳細信息中記錄了一個數組，數組中每個元素都包含visitTime和stayTime兩部分。
    每當用戶訪問一篇新聞時，都會更新相應的表項。同時在用戶表中添加一個喜愛標籤表項，記錄用戶最近最感興趣的新聞類型，最多記錄三個，太多的話匹配結果會過多，使得匹配系統沒有了意義，並且用戶也沒有精力去關注那麼多的新聞類型。當分別計算完一個用戶對於各個新聞類型的喜愛權值以後，將其排序，獲得的前三名新聞類型放入喜愛標籤中。
    當推送新聞時，直接根據標籤過濾便可。推薦好友時，比對兩人的喜愛標籤便可，只要有共同的標籤就推薦，而且若是當前用戶沒有喜愛標籤，那麼就隨機從全部用戶中抽取；若是當前用戶有喜愛標籤，那麼對於其餘待匹配的沒有喜愛標籤的用戶而言，也採用隨機抽取的辦法。
    關於用戶喜愛的計算時機，由於計算不是在服務器上完成的（用雲引擎有點麻煩並且也不必佔用服務器資源），因此考慮只要用戶登陸了，就在後臺計算用戶偏好，每一個登陸週期偏好只計算一次。

    目前爲止只作了簡單的試驗，算法能夠獲得較爲合理的偏好值，可是在真實的應用場景中效果如何還有待進一步的測試。