使用SQL Server Analysis Services数据挖掘的关联规则实现商品推荐功能（三）
假如你有一个购物类的网站，那么你如何给你的客户来推荐产品呢？这个功能在很多电商类网站都有，那么，通过SQL Server Analysis Services的数据挖掘功能，你也可以轻松的来构建类似的功能。将分为三个部分来演示如何实现这个功能。
1.构建挖掘模型
2.为挖掘模型编写服务接口
3.开发简单的前端应用
此篇在上两篇已经构建好挖掘模型和服务层的基础之上，介绍如何构构建简单的前端应用来做商品推荐功能。
由于我们用的是Web服务的方法来封装挖掘模型的查询，所以理论上这个服务可以被很多客户端应用程序访问，比如ASP.NET, winform和WPF等，这里我们选择Silverlight 5。
Silverlight 5是跟FLASH差不多的东西，是微软平台下的RIA方案。在这个平台下我们可以通过XAML开发出绚丽的应用程序。
虽然它的光辉已经快被HTML5所掩盖，而且微软也停止了后续版本的更新，全力的投入到HTML5中，但是HTML5成型还尚早，在企业开发中，Silverlight还是有十足的魅力和足够的优势以及强大的开发工具支持。
当然，如果你得项目是ASP.NET或者其它类型的项目，那么也可以参考此篇来进行操作。实际上此篇对于一个有经验的前端开发人员意义不大，因为这里主要讲的是如何调用一个Web服务。但作为一个系列考虑到每个人的侧重点都不同，为了做一个整体的介绍，所以这里还将细致到每一步的操作。
打开上一篇中建立的项目，右键项目上方的解决方案名称，菜单中选择Add->New Project。
选择Silverlight Application，点OK。
然后指定Silverlight的版本，这里默认直接点OK就可以。
然后可以看到一个新的Silverlight项目被添加到解决方案中。
接下来添加服务引用，就是引用上一篇中创建的服务。
右键Silverlight项目，选择Add Service Reference。
由于服务所在的项目和Silverlight项目在同以解决方案下，所以这里直接点击Discover就可以自动找到上一篇中建立的服务的地址。
点击OK后，可以在 Solution Explorer中看到一个服务引用被添加了进来。
正如上一篇介绍，系统根据服务的SOAP协议里定义的内容，在本地自动生成了一个代理类，这样Silverlight端就可以像调用本地的方法一样来调用 Web服务里的内容。
然后，在Silverlight简单放几个空间。如图，首先放置一个ListBox控件来让用户选择已经购买了什么产品。在一个电商网站中，这里就相当于一个购物车，里面记录了用户已经选择了什么商品。
在ListBox右面放置一个按钮，通过单击这个按钮触发预测的查询。后台的代码将调用Web服务来访问挖掘模型做预测从而返回推荐数据。
最后在下面放置一个DataGrid控件，这里面接收Web服务返回的推荐结果集。
下面的前端XAML代码供大家参考，前面界面拖拽的控件都会有对应的XAML代码：
然后，进入到界面的代码模式中。
主要是要添加服务引用的命名空间，然后在类里声明并且实例化访问服务需要用到的SoapClient类。
然后，在代码模式的类里面，添加如下代码：
public MainPage()
{
InitializeComponent();
List ProdSource = new List();
ProdSource.Add("Touring Tire");
ProdSource.Add("Touring Tire Tube");
ProdSource.Add("Water Bottle");
ProdSource.Add("Bike Wash");
ProdSource.Add("Classic Vest");
ProdSource.Add("Cycling Cap");
ProdSource.Add("HL Road Tire");
ProdSource.Add("Hydration Pack");
ProdSource.Add("LL Road Tire");
lbProduct.ItemsSource = ProdSource;
btnStart.Click += btnStart_Click;
sc.GetModelResultCompleted += sc_GetModelResultCompleted;
}
void sc_GetModelResultCompleted(object sender, GetModelResultCompletedEventArgs e)
{
dgResult.ItemsSource = e.Result;
}
void btnStart_Click(object sender, RoutedEventArgs e)
{
ArrayOfString modelList=new ArrayOfString();
foreach (object item in lbProduct.SelectedItems)
{
modelList.Add(item.ToString());
}
sc.GetModelResultAsync(modelList);
}
在构造函数中，为了简便我手动的添加了几个可选的商品。实际项目中这里应该从数据库里加在商品列表，这里只做简单演示。有兴趣的朋友可以自己试一下从Adventure Works的产品表里读取。
由于Silverlight调用服务的方式是异步的，所以需要首先指定服务调用完成后，"跳转"到哪个方法来对服务的结果进行处理。
然后在按钮的Click事件里，组织好需要传递的商品列表参数，通过调用GetModelResultAsync方法开始对服务进行调用。
留意下前篇服务定义中接收的参数是List，在客户端这边被自动转成了ArrarOfString。
添加完如上代码之后，就可以通过前段界面测试下我们的预测查询了。
我们可以看到通过选择不同的商品，基于挖掘模型，会给我们推荐不同的产品。
至此这个简单的前端应用就开发完毕了。这个应用很简单，但是大家可以参考这个方法来将其加入到自己的功能体系当中。
关于通过关联规则来做产品推荐的功能，这一系列的随笔终于告一段落。不得不说，这三篇中每一篇都很粗很杂，但希望通过这些简单的模型，能给大家以启发，如何把类似的功能加入到自己的网站或者系统当中。
就这个预测功能，很多平台的处理方法我都感觉过于简单，比如推荐的商品也只只是通过你浏览了一个类目下的产品，那么就不定期的给你推荐同类目下的其它产品，实际上并没有达到很好的推荐效果。而通过挖掘模型中发现的规律，所推荐的商品都是有历史数据根据的，相对来说准确度会更高一些。当然，前提是你已经拥有了足够的海量历史订单数据，正所谓巧妇难为无米之炊，并且这些数据的质量足够高，而且你的业务足够清晰。这些都是一个商业智能项目成败的关键。
希望这三篇能帮到大家。
页:
[1]