源自于对项目的不断追求和优化提升点的归因分析，在总结中前行，在分析中进步.
核心思想是：基于用户相似-物品相似来进行推荐 用户商品的向量内积即距离代表兴趣来建模
EDA：浏览、喜欢、收藏、加购 进行兴趣权重构建
召回阶段：关联规则Aprior、兴趣、热门、
排序：正、负样本从召回采样 特征重要性排序
代码分析：
减少内存优化
召回：生成用户日志、热度商品、原始的矩阵、合并、保存稀疏矩阵到稠密矩阵、统计稠密矩阵？、生成召回序列
生成特征文件：为了排序阶段做准备
疑惑点：线下和线上 类似于测试版本和生产版本？
代码参考链接：https://github.com/ChuanyuXue/CIKM-2019-AnalytiCup
