相关性

relevancy 组件在本地跟踪用户的兴趣，无需通过网络共享任何数据。该组件目前支持基于用户访问的 URL 构建兴趣向量。

设置存储

要在 Kotlin 或 Swift 中使用 RelevancyStore，您需要从 MozillaAppServices 库导入相关的类和数据类型。

KOTLIN

import mozilla.appservices.relevancy.RelevancyStore
import mozilla.appservices.relevancy.InterestVector

val store = RelevancyStore(dbPath)

SWIFT

import MozillaAppServices

let store = RelevancyStore(dbPath: "path/to/database")

要使用 RelevancyStore，您需要使用数据库路径创建一个实例，该路径将存储用户的兴趣数据

KOTLIN

val store = RelevancyStore(dbPath)

SWIFT

let store = RelevancyStore(dbPath: "path/to/database")

• dbPath：这是存储相关性数据的 SQLite 数据库的路径。初始化是非阻塞的，数据库是延迟打开的。

导入相关性数据

要构建用户的兴趣向量，请使用按频率排序的 URL 列表调用 ingest 函数。此方法下载兴趣数据，对用户的热门 URL 进行分类，并构建兴趣向量。此过程可能需要一些时间，并且应仅从工作线程中调用。

ingest 的示例用法：

KOTLIN

val topUrlsByFrequency = listOf("https://example.com", "https://another-example.com")
val interestVector = store.ingest(topUrlsByFrequency)

SWIFT

let topUrlsByFrequency = ["https://example.com", "https://another-example.com"]
let interestVector = store.ingest(topUrlsByFrequency)

• topUrlsByFrequency：按用户访问频率和最近访问时间排序的 URL 列表。此数据用于构建用户的兴趣向量。

• ingest 函数返回一个 InterestVector，其中包含用户对不同跟踪类别的兴趣水平。