个性化推荐算法：

推荐算法分为三类：基于内容的推荐算法，协同过滤推荐算法和混合推荐算法

基于内容的推荐算法，将用户喜欢和关注过的Item将内容上类似的Item推荐给用户。如你看了敷脸1，那将会推荐给你复联2，3，4.

协同过滤算法（Collaborative filtering），包括基于用户的协同过滤和基于Item的协同过滤。挖掘与你具有相同兴趣的人，分析他们的行为，并向你推荐相同的项目，这是基于用户的协同过滤。而基于Item的协同过滤就是找到跟你喜好最相似的商品，推荐给你。

混合推荐算法，则会融合以上方法，以加权或者串联、并联等方式进行建模。常用的包括传统机器学习算法如因子分解机(FM,FFM),LR,GBDT,RF 和近几年流行起来的DNN和FM结合的算法。

矩阵分解：u是第i个用户的兴趣向量，v是第j个电影的参数向量。我们用u和v的点积来估算电影的评分。

特征工程 ，模型学习