人口统计：
小明： 已婚，男，有小孩，孩子5岁，幼儿园，iT工作者，喜好NBa --> 用户画像
小强： 已婚，男，有小孩，孩子6岁，幼儿园，文艺工作者，喜好足球 -- > 用户画像
画像完成后，小明购买的小孩用品就可以推荐给小强，因为他俩的相似度很高，属于有小孩的一类客户。
两人也属于体育爱好者这一类。
商品属性推荐：
科学时什么：科普书（科普再细分），适合20-30岁读者，作者高学历，出版社，评价5星 ，得到推荐等
当下的启蒙： 科普书，适合20-40岁，作者xxx，出版社，评价5星，得到推荐等。
当小明购买科学时什么时，推荐当下的启蒙。
用户协同过滤推荐：
小明： 喜好电脑，打印机，Java编程，linux系统，U盘 等等
小强： 喜好电脑，打印机，U盘，C编程，科学是什么等
按照客户的喜好（都喜欢电子产品）进行分类，将小明和小强分为了同一类客户， 小明购买了ipad后，就可以向小强推荐此产品
商品协同过滤：
小明： 喜好电脑，打印机，Java编程，linux系统，U盘 等等
小强： 喜好电脑，打印机，U盘，C编程，科学是什么等
购买电脑的客户，会一起购买：打印机，U盘，ipad等， 这些产品属于一类。 当有用户购买了这一类产品中的某一个时，就推荐其他的
展开
2019-01-26介绍了几种常用的推荐算法的解读，但是缺乏对应的场景应用。结合使用场景来介绍每种场景下应该用哪个推荐算法更合理会觉得更好点？ 3
2019-01-26看完这篇之后，让我感觉到大数据在生活中无处不在，除了那些高深莫测的数学模型，简单的分类分组其实也算是大数据的一部分，让自己在学习大数据的过程中有一种亲近感、带入感。感谢老师~ 2
2020-01-19在京东购书就是会用到推荐算法，比如购买了《深入理解计算机系统》，会提示跟你相似的用户还购买了以下哪些图书。猜测可能使用了文中提到的“基于商品的协同过滤推荐“。
2019-02-02一般大型电商是不是结合这四类方案。 1
2019-01-27mark
2019-01-26通过这一节的阅读学习，毫无疑问，智能推荐已经成为今天产品功能的重点。它将用户和产品黏贴的足够紧，有一天很可能不是我们需要手机里的产品做什么，而是产品要求我们做什么，因为产品更了解我们自身。