构建实时推荐系统设计常用算法说明
项目源代码：https://github.com/2462612540/Big_Data_Spark_Scala_hadoop/tree/master/Movie_recommendation_system
常用推荐算法分类
基于人口统计学的推荐与用户画像
基于内容的推荐与特征工程
基于协同过滤的推荐
基于协同过滤与基于内容的推荐算法的区别：
协同过滤分为近邻的协同过滤：包括了两种的：基于用户的协同过滤的算法 还有是基于的物品的协同过滤的算法
协同过滤还有一种是的基于模型的协同过滤：包括三种：奇异值分解、 潜在语义分析 、支持向量机。
基于近邻的推荐和基于模型的推荐区别：
——基于近邻的推荐是在预测时直接使用已有的用户偏好数据，通过近邻数据来预测对新物品的偏好(类似分类)
——基于模型的方法， 是要使用这些偏好数据来训练模型，找到内在规律，再用模型来做预测(类似回归)