【课程介绍】
基于大众点评搜索以及推荐业务，从企业实际项目落地实践的角度出发，在使用SpringBoot加mybatis完成用户登录、注册、商家入驻以及结合前端模板搭建运营后台门店服务管理功能后，借助ElasticSearch的最新版本ES7逐步迭代，完成高相关性进阶搜索服务，并基于spark mllib2.4.4构建个性化千人千面推荐系统。
【课程目录】
第1章 课程导学【终于遇到你】
本章综合讲述了点评搜索推荐课程的项目业务背景，架构设计理念以及所需要用到的核心技术能力。
1-1 课程导学
1-2 ***学前必读***（助你平稳踩坑，畅学无忧，课程学习与解决问题指南）
1-3 你真的会问问题吗
第2章 项目设计【项目需求到技术方案的完美执行过程】
本章中讲述了如何模拟现实情况中，点评搜索推荐项目从业务需求BRD到产品需求PRD，最终到技术方案选型，架构设计及技术落地的整个过程。
2-1 项目设计---业务需求
2-2 项目设计---技术分解&模块设计
2-3 阶段小结
2-4 【阶段总结】项目设计总结
2-5 【勤于思考，夯实学习成果】项目设计课后习题
第3章 项目基础搭建【业务系统之基础能力】
本章中使用了SpringBoot加Mybatis框架完成基础项目能力建设，并加装通用返回值，异常处理，页面请求资源等处理方式完善业务系统的基础能力建设。
3-1 开发工具介绍
3-2 springboot web搭建
3-3 service及mybatis接入（上）
3-4 service及mybatis接入（下）
3-5 通用返回和异常处理
3-6 页面请求资源处理
3-7 【阶段总结】项目基础搭建总结
3-8 【勤于思考，夯实学习成果】项目基础搭建课后习题
第4章 基础服务之用户，运营，商户能力建设【业务系统主体实现】
本章中，将项目中业务系统能力划分为C端用户层和运营后台管理层，建设了面向用户的登录注册服务与面向运营配置后台的统一权限管理，并建设了一套点评商户入驻体系的流程。
4-1 用户服务搭建（上）
4-2 用户服务搭建（下）
4-3 用户模块前端页面接入
4-4 运营后台之metronic模版介绍
4-5 运营后台管理员模块（上）
4-6 运营后台管理员模块（下）
4-7 运营后台首页模块
4-8 商家入驻流程（1）
4-9 商家入驻流程（2）
4-10 商家入驻流程（3）
4-11 商家入驻流程（4）
4-12 【阶段总结】基础服务之用户，运营，商户能力建设总结
4-13 【勤于思考，夯实学习成果】基础服务之用户，运营，商户能力建设习题
第5章 基础服务之品类，门店能力建设【业务系统主体实现】
本章中，将扩展运营后台能力，把品类服务与开店能力加入运营后台，完成点评所有基础业务能力建设。
5-1 品类管理服务（上）
5-2 品类管理服务（中）
5-3 品类管理服务（下）
5-4 门店管理服务（上）
5-5 门店管理服务（中）
5-6 门店管理服务（下）
5-7 【阶段总结】基础服务之品类，门店能力建设总结
5-8 【勤于思考，夯实学习成果】基础服务之品类，门店能力建设习题
第6章 点评门店搜索推荐1.0时代【搜索业务初体验】
本章中，将使用业务系统与数据库的能力，建设关键词搜索与多条件筛选聚合过滤的二次搜索能力，并结合LBS地理围栏通过距离控制搜索排序，同时会优先将距离与评价好的商户门店推荐给用户，完成点评门店搜索推荐架构1.0的能力。...
6-1 门店推荐V1.0接入（上）
6-2 门店推荐V1.0接入（中）
6-3 门店推荐V1.0接入（下）
6-4 门店搜索V1.0接入（1）
6-5 门店搜索V1.0接入（2）
6-6 门店搜索V1.0接入（3）
6-7 门店搜索V1.0接入（4）
6-8 【阶段总结】搜索推荐v1.0架构总结
6-9 【勤于思考，夯实学习成果】搜索推荐v1.0架构习题
第7章 引入搜索引擎ElasticSearch7【分布式搜索引擎基础学习】
本章中，会讲解通过发现搜索1.0架构中的不足引入ElasticSearch7，并讲述了分布式搜索引擎高效和可扩展性的基本原理，同时会介绍es的基础语法。
7-1 本章目标
7-2 搜索的本质及原理（上）
7-3 搜索的本质及原理（下）
7-4 ElasticSearch及Kibana环境搭建
7-5 分布式搜索引擎的原理（上）
7-6 分布式搜索引擎的原理（中）
7-7 分布式搜索引擎的原理（下）
7-8 ES基础语法（上）
7-9 ES基础语法（中）
7-10 ES基础语法（下）
7-11 ES高级查询语法
7-12 ES字段类型
7-13 【阶段总结】ES基础总结之原理&环境
7-14 【阶段总结】ES基础语法之索引&基础查询
7-15 【阶段总结】ES基础语法之进阶基础查询&field类型
7-16 【勤于思考，夯实学习成果】ES基础习题
第8章 ElasticSearch7高端进阶【分布式搜索引擎进阶学习】
本章中，会结合开源数据TMDB，深入学习ES高级的数据导入，进阶的查询语句，多字段查询，过滤排序，tf/idf bm25打分原理与自定义score打分实现，最后会闭环ES的学习。
8-1 tmdb介绍
8-2 tmdb索引创建（上）
8-3 tmdb索引创建（下）
8-4 tmdb文档导入
8-5 查询语句进阶（1）
8-6 查询语句进阶（2）
8-7 查询语句进阶（3）
8-8 查询语句进阶（4）
8-9 查询语句进阶（5）
8-10 查询语句进阶（6）
8-11 多字段查询进阶（1）
8-12 多字段查询进阶（2）
8-13 多字段查询进阶（3）
8-14 多字段查询进阶（4）
8-15 过滤与排序
8-16 自定义score计算（上）
8-17 自定义score计算（下）
8-18 【阶段总结】ES进阶之构建试验
8-19 【阶段总结】ES进阶之多字段查询
8-20 【阶段总结】ES进阶之自定义排序
8-21 【勤于思考，夯实学习成果】ES进阶之课后思考题
第9章 重回点评，搜索2.0架构之数据接入【使用ES工具升级数据接入】
本章中，会带领大家学习并接入IK中文分词器，并且借助logstash-input-jdbc构建点评搜索所需要的全量和增量索引。
9-1 IK分词器构建（1）
9-2 IK分词器构建（2）
9-3 IK分词器构建（3）
9-4 IK分词器构建（4）
9-5 IK分词器构建（5）
9-6 门店索引构建（上）
9-7 门店索引构建（下）
9-8 logstash-input-jdbc构建索引（1）
9-9 logstash-input-jdbc构建索引（2）
9-10 logstash-input-jdbc构建索引（3）
9-11 logstash-input-jdbc构建索引（4）
9-12 【阶段总结】使用ES工具升级数据接入-IK中文分词器
9-13 【阶段总结】使用ES工具升级数据接入-索引构建
9-14 【勤于思考，夯实学习成果】使用ES工具升级数据接入-习题
第10章 重回点评，搜索2.0架构之搜索接入【使用ES升级点评搜索应用】
本章中将升级搜索接入层应用能力，将原本基于业务数据库的1.0搜索架构改成基于ElasicSearch7为搜索引擎并通过RestApi方式接入项目的应用。
10-1 门店搜索（1）
10-2 门店搜索（2）
10-3 门店搜索（3）
10-4 门店搜索（4）
10-5 java搜索接入（1）
10-6 java搜索接入（2）
10-7 java搜索接入（3）
10-8 java搜索接入（4）
10-9 java搜索接入（5）
10-10 java搜索接入（6）
10-11 java搜索接入（7）
10-12 遗留问题
10-13 【阶段总结】搜索2.0架构之搜索接入之基本调试
10-14 【阶段总结】搜索2.0架构之搜索接入之java接入
10-15 【勤于思考，夯实学习成果】搜索2.0架构之搜索接入
第11章 点评搜索进阶之相关性改造【相关性改造能力建设】
在本章中，通过发掘搜索2.0中的不足，结合定制化分词器，同义词扩展，词性相关性重塑等多维度技术优化搜索算法。
11-1 定制化分词器之扩展词库（上）
11-2 定制化分词器之扩展词库（下）
11-3 同义词扩展
11-4 相关性重塑（上）
11-5 相关性重塑（中）
11-6 相关性重塑（下）
11-7 【阶段总结】点评搜索进阶之相关性改造总结
11-8 【勤于思考，夯实学习成果】点评搜索进阶之相关性改造习题
第12章 点评搜索进阶之准实时性索引【准实时索引能力建设】
在本章中，通过发掘搜索2.0中的不足，结合定制化canal中间件的学习，完成了准实时索引能力的建设。
12-1 canal索引构建进阶（1）
12-2 canal索引构建进阶（2）
12-3 canal索引构建进阶（3）
12-4 canal索引构建进阶（4）
12-5 canal索引构建进阶（5）
12-6 canal索引构建进阶（6）
12-7 canal自定义接入（1）
12-8 canal自定义接入（2）
12-9 canal自定义接入（3）
12-10 canal自定义接入（4）
12-11 搜索课程总结
12-12 【阶段总结】准实时索引能力建设
12-13 【勤于思考，夯实学习成果】准实时索引建设习题
第13章 点评推荐2.0架构进阶【基于spark mllib的机器学习推荐算法】
本章中，将通过发掘点评推荐1.0架构中的不足，改造推荐体系，定义了个性化召回算法和个性化排序算法的分层推荐模型完成了千人千面的推荐架构设计。
13-1 推荐原理（上）
13-2 推荐原理（下）
13-3 推荐系统架构
13-4 个性化召回als算法原理讲解
13-5 个性化排序lr算法原理讲解
13-6 spark原理讲解
13-7 als算法实现（上）
13-8 als算法实现（中）
13-9 als算法实现（下）
13-10 lr算法实现（上）
13-11 lr算法实现（中）
13-12 lr算法实现（下）
13-13 点评推荐接入（上）
13-14 点评推荐接入（下）
13-15 课程总结
13-16 【阶段总结】推荐系统总结
第14章 【补充章】点击率预估模型算法
卖家进行搜索推荐时，也会对用户对商品的点击以及购买行为做分析，依此进行推荐。点击率预估模型就是用在这种场景。本章着重讲解点击率预估模型中的随机森林算法和GBDT算法、对GBDT进行实现和测试。
14-1 点击率预估模型的介绍
14-2 点击率预估模型算法讲解（上）
14-3 点击率预估模型算法讲解（中）
14-4 点击率预估模型算法讲解（下）
14-5 点击率预估模型随机森林算法
14-6 点击率预估模型GBDT算法
14-7 点击率预估模型实现
14-8 点击率预估ABtest
