在參加一次個性化推薦預測比賽過程中，為了方便觀測和比較不同算法預測的結果，“一不小心”就實現(xiàn)了個簡單的性化推薦系統(tǒng)。
實現(xiàn)原理是根據(jù)以前整理過的原理：《一張圖了解個性化推薦算法》
根據(jù)用戶百萬條歷史行為數(shù)據(jù)，包括：
- user_id 用戶唯一ID
- item_id 內(nèi)容或物品唯一ID
- cate_id 內(nèi)容或物品類別ID
- action_type 用戶行為類型，例如view（點擊）、deep_view（深度閱讀）、share（分享）、comment（評論）、collect（收藏）等
- action_time 行為發(fā)生時間
可進行：
- 可使用不同推薦算法（User-CF、Item-CF、熱榜、混合），給指定用戶推薦其可能感興趣的內(nèi)容或物品
- 熱榜內(nèi)容推薦排序支持hackernews算法（解決過熱問題）、基于用戶行為類型打分（如 分享 > 評論 > 收藏 > 深度閱讀 > 點擊）
- 給指定用戶推薦其他相似行為用戶；
- 用戶行為統(tǒng)計分析；
個性化推薦系統(tǒng)
推薦相似行為用戶
用戶行為類型統(tǒng)計
