1、需求：调整排序算法改为综合得分排名
2、规则：
①搜索方式：先过滤，后排序
②搜索字段：用户昵称
③匹配方式：分词完全匹配
④排序按照综合得分高低进行排序展示
综合得分=
达人得分（权重：单独计算）
+粉丝数得分（权重：75%）
+基础得分（权重：25%）
a.达人得分
在搜索结果中置顶展示，其中优先开通美店达人
b.粉丝数得分
粉丝数越多，权重越高（需要开发相应算法计算相对值）
c.基础得分
上传过头像、修改过签名（不重复计算）实现:
/**
* Copyright (C) 2015-2020 gome meixin_search Inc.All Rights Reserved.
*
* FileName:UserWeightCalculator.java
*
* Description：简要描述本文件的内容
*
* History：
* 版本号 作者 日期 简要介绍相关操作
* 1.0 liuyuxin 2016年4月13日
*
*/
package cn.com.mx.gome.flash.similarity;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.InitializingBean;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;
import cn.com.mx.gome.flash.constant.Const;
import cn.com.mx.gome.flash.entity.EcpUser;
import cn.com.mx.gome.flash.load.ConfigCenter;
import cn.com.mx.gome.flash.util.PropUtil;
import cn.com.mx.gome.search.core.weight.WeightAlgorithm;
import cn.com.mx.gome.search.core.weight.WeightCalculator;
/**
*
*
*/
@Component("userWeightCalculator")
public class UserWeightCalculator implements WeightCalculator<EcpUser>, InitializingBean {
private static final Logger logger = LoggerFactory.getLogger(UserWeightCalculator.class);
private String defaultUserPic = null;
/**
* 假设的权重总分,最大粉丝数；这俩数变了，得重建索引
*/
public Double maxUserScore = PropUtil.getInstance().getDouble(Const.WEIGHT_USER_MAX, 100000),
maxFollowerCount = PropUtil.getInstance().getDouble(Const.WEIGHT_USER_FOLLOWER_MAX, 5000);
/*
* (non-Javadoc)
*
* @see
* cn.com.mx.gome.search.core.weight.WeightCalculator#calculate(java.lang
* .Object)
*/
@Override
public Double calculate(EcpUser t) {
double score = 0;
boolean hasPic = t.getUserPic() != null
&& !(t.getUserPic().equals(defaultUserPic) && !(t.getUserPic().equalsIgnoreCase("null")));// 有头像
boolean hasUserSign = t.getUser_sign() != null && t.getUser_sign().length() > 0
&& !(t.getUser_sign().equalsIgnoreCase("null"));// 有签名
// 签名和头像占25%权重
if (hasPic)
score += (maxUserScore * 0.25) / 2;
if (hasUserSign)
score += (maxUserScore * 0.25) / 2;
// 粉丝数，占75%权重
if (t.getFollowerCount() != null && t.getFollowerCount() > 0)
score += WeightAlgorithm.normalization(t.getFollowerCount().doubleValue(), 0.0, maxFollowerCount, 0.0,
maxUserScore * 0.75);
boolean isVIP = t.getStatus() == Const.USER_STATUS_V;
boolean hasShop = t.getType() == Const.USER_TYPE_HASSHOP;
// 达人置顶
if (isVIP) {
score += maxUserScore;
// 优先美店
if (hasShop)
score += maxUserScore;
}
t.setWeight(score);
return score;
}
/*
* (non-Javadoc)
*
* @see
* org.springframework.beans.factory.InitializingBean#afterPropertiesSet()
*/
@Override
public void afterPropertiesSet() throws Exception {
defaultUserPic = configCenter.get("user.logo.default");
logger.info("default user pic path= , {}", defaultUserPic);
}
@Autowired
private ConfigCenter configCenter;
}
算法:
/**
* Copyright (C) 2015-2020 gome meixin_search Inc.All Rights Reserved.
*
* FileName:WeightAlgorithm.java
*
* Description：简要描述本文件的内容
*
* History：
* 版本号 作者 日期 简要介绍相关操作
* 1.0
*
*/
package cn.com.mx.gome.search.core.weight;
/**
* @author
*
*/
public class WeightAlgorithm {
/**
*
* @描述：最小最大规范化也叫离差标准化 ,可以对原始数据进行线性变换 ; 假定min和max是最小值和最大值，
* v是该区间中的一个值，将其映射到新的区间[newMin, newMax]中为v' 则有： v' =
* (v-Min)/(max-min)*(newMax-newMin)+newMin
* 这种方法有一个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。
* @param v
* 做标准化的样本数据
* @param min
* 样本数据最小值
* @param max
* 样本数据最大值
* @param newMin
* 新的映射区间最小值
* @param newMax
* 新的映射区间最大值
* @return
* @return double
* @exception
* @createTime：2016年4月8日
* @author: liuyuxin
*/
public static Double normalization(Double v, Double min, Double max, Double newMin, Double newMax) {
return (v - min) / (max - min) * (newMax - newMin) + newMin;
}
}