個性化推薦算法：
推薦算法分為三類：基于內(nèi)容的推薦算法，協(xié)同過濾推薦算法和混合推薦算法
基于內(nèi)容的推薦算法畸悬，將用戶喜歡和關注過的Item將內(nèi)容上類似的Item推薦給用戶宴杀。如你看了敷臉1阀趴，那將會推薦給你復聯(lián)2碌尔，3，4.
協(xié)同過濾算法（Collaborative filtering）朋魔，包括基于用戶的協(xié)同過濾和基于Item的協(xié)同過濾岖研。挖掘與你具有相同興趣的人，分析他們的行為警检，并向你推薦相同的項目孙援，這是基于用戶的協(xié)同過濾。而基于Item的協(xié)同過濾就是找到跟你喜好最相似的商品扇雕，推薦給你拓售。
混合推薦算法，則會融合以上方法洼裤，以加權或者串聯(lián)邻辉、并聯(lián)等方式進行建模。常用的包括傳統(tǒng)機器學習算法如因子分解機(FM,FFM),LR,GBDT,RF 和近幾年流行起來的DNN和FM結合的算法腮鞍。
矩陣分解：u是第i個用戶的興趣向量值骇，v是第j個電影的參數(shù)向量。我們用u和v的點積來估算電影的評分移国。
特征工程 吱瘩，模型學習
