update readme.md

README.md

@@ -14,7 +14,7 @@
 
 **推荐算法的具体细节可参考文件[推荐系统介绍.pdf]**
 
-**主要使用的库（Lib）: **
+**主要使用的库（Lib）:**
 
 - [Ansj](https://github.com/NLPchina/ansj_seg)：基于内容的推荐部分用以分词，以及其内含的TFIDF算法。
 - [Quartz](http://www.quartz-scheduler.org/)：推荐系统定时运行的设定。
@@ -111,8 +111,11 @@ password = [登录密码]
 四个步骤：
 
 1.在com.qianxinyao.TomNewsRecommender包下，找到类Main；
+
 2.选择推荐算法。设置boolean类型的enableCB,enableCF,enableHR变量，分别代表推荐过程中是否启用协同过滤推荐算法、基于内容的推荐算法、基于热点新闻的推荐算法。若均设为true，表示三种算法均工作，一起为用户生成推荐结果；
+
 3.选择推荐对象。推荐对象分为三种：全体用户，活跃用户（最近一段时间有登录行为）与自定义用户（自己指定的用户），若选择自定义用户，需要构建包含目标用户id(long)的List<Long>；
+
 4.选择系统运行方式。运行方式分为两种：一次运行和定时运行。一次运行即只为用户进行一次推荐生成，生成结束后则系统停止，若要再生成推荐，需要重新启动系统。而定时运行则可以定时为用户生成推荐结果，若不强制停止系统，则系统会一直运行下去。（定时运行时间在paraConfig.properties文件中设定）
 
 以下是示例代码：
@@ -163,7 +166,9 @@ public class Main
 
 系统运行的各类参数都可以在根目录下src/main/res目录下的paraConfig.properties文件中进行配置。默认配置是推荐配置。
 
-若要保持系统的日常运行，还需要【新闻模块】每天抓取一定量的新闻并入库。
+若需要推荐系统能在每次生成有效的推荐，只要【新闻模块】保持以一定频率抓取一定量的新闻并入库news表。（最好与推荐系统定时推荐的频率相同，并在推荐系统运行之前完成一次抓取，推荐每天抓取一次新闻，并进行一次推荐生成。）
+
+**注意：入库的新闻要标注module_id，详情可参见数据库表与com.qianxinyao.TomNewsRecommender包下的NewsScraper类中的代码。**
 
 
 ## 测试数据
@@ -177,8 +182,14 @@ public class Main
 - newsmodules表：17个测试模块
 - newslogs：测试推荐算法效果用的9条浏览记录
 
+要查看推荐系统在测试数据上运行的效果，只需在Main类下执行：
+
+```
+//在测试数据上运行
+new TestDataRunner().runTestData();
+```
 
-按照上一节中提供的示例代码运行的话：
+预期的推荐生成结果如下：
 
 - 若对测试数据进行一次协同过滤，将生成0条推荐。
 - 若对测试数据进行一次基于内容的推荐，将为用户1（id=1）推荐85，87，89，104这四条新闻(有重复标题的新闻，新闻标题中的“合同”关键词匹配上了用户的喜好关键词)，为用户2推荐89新闻（重复标题的新闻），推荐用户3推荐87，85，100这三条新闻（新闻标题中的“合同”关键词匹配上了用户的喜好关键词）。