基于Tags实现内容推荐的方法（代码）

/**

     * [更据指定文章返回相似的文章推荐]

     * @param  $articleid 指定的文章ID

     * @param  $top       要返回的推荐条数

     * @return Array      推荐条目数组

     */

function getArticleRecommend($articleid, $top = 5){

        if($cache = CacheHelper::getCache()){

            return $cache;

        }

        try{

            $articleid = intval($articleid);

            $m = new TagMapModel();

            $all_tags = $m->getAllGroupByArticleId();//调用上面的函数返回所有文章的tags

            $finded = $all_tags[$articleid];//因为上面是包含所有文章了，所以肯定包含了当前文章。

            unset($all_tags[$articleid]);//把当前文章从数组中删除，不然自己和自己肯定是相似度最高了。

            $jaccard_arr = []; //用于存相似度

            foreach ($all_tags as $key => $value) {

                $intersect =array_intersect($finded, $value); //计算交集

                $union = array_unique(array_merge($finded, $value)); //计算并集

                $jaccard_arr[$key] = (float)(count($intersect) / count($union));

            }

            arsort($jaccard_arr); //按相似度排序，最相似的排最前面

            $jaccard_keys = array_keys($jaccard_arr);//由于数组的key就是文章id,所以这里把key取出来就可以了

            array_splice($jaccard_keys, $top);//获取前N条推荐

            //到这里我们就已经得到了，最相似N篇文章的ID了，接下去的工作就是通过这几个ID,从数据库里把相关信息，查询出来就可以了

            $articleModels = new \Api\Model\ArticleModel();

            $recommendArticles = $articleModels->getRecommendByTag($jaccard_keys);

            CacheHelper::setCache($recommendArticles, 604800); //缓存7天

            return $recommendArticles;

        } catch (\Exception $e) {

            throw new \Exception("获取推荐文章错误");

        }

    }