网站内容发布系统(根据用户浏览习惯推荐相关性高的文章聚合到一起)

　　网站内容发布系统(根据用户浏览习惯推荐相关性高的文章聚合到一起)

　　网站内容发布系统(能清晰的显示文章列表信息)推荐系统(对于文章进行分类,推荐相关类型的文章)语义分析(实现文章去重)文章智能聚合(将相似度高的文章聚合到一起)推荐内容过滤(根据用户浏览习惯推荐相关性高的文章)推荐算法(根据以往历史文章推荐相似度高的文章)去广告(根据用户喜好,去除不相关的广告,进行精准推荐)。还有很多。

　　csdn的推荐策略是根据user_id来做推荐,那一个user都可以是这个文章的主人.所以这里的内容和人很重要.

　　很可怕！莫名其妙给各种算法组发包！

　　我觉得要看推荐规则使用，而不是单纯的依靠一个baseline，都是每天新文章，很可能一个用户浏览过的文章和你收藏的最近发布的文章是一样的。

　　整天推荐的基本上是营销文和软文吧。

　　推荐本身是可以按照个性化原则设计的，所以不要用我上面说的那个baseline进行单一的模型训练。推荐主要看user、user的分布和user对于不同内容的偏好，还有文章对于用户的偏好，用户对于不同类别的文章点击行为偏好，用户对于不同类别的推荐停留时间等。也可以参考这个：推荐系统简介，涵盖大部分典型推荐算法。

　　你把baseline拿过来用，强度足够大了。

　　推荐只是一个功能而已，推荐系统可以分为两个端：一个是用户端，一个是内容端。这里我认为应该需要提出的是，推荐系统的核心不在于找到什么样的内容，而在于一个算法模型，如果一个推荐算法可以对于所有用户产生的文章以及内容进行预测与分类，那么这个算法模型对于不同内容进行分类就可以得到精准推荐。也就是说推荐不需要高级内容来支撑，不是说用户有多少内容，而是看内容。

　　至于推荐的算法模型，我认为有以下几个模型：cfm、crossvalidationlearninglearning、crossmatrixdecomposition、knn等等。我认为每个模型都能够提供用户兴趣度的方法去推荐内容。比如我认为appdesignerlearninglearningcfm可以去预测未来几年的app的设计风格，而crossmatrixdecomposition可以去给你预测几年后的一些方向用户中文分词或是几年后的中文文字生成及识别等等。