在参加一次个性化推荐预测比赛过程中，为了方便观测和比较不同算法预测的结果，“一不小心”就实现了个简单的性化推荐系统。
实现原理是根据以前整理过的原理：《一张图了解个性化推荐算法》
根据用户百万条历史行为数据，包括：
- user_id 用户唯一ID
- item_id 内容或物品唯一ID
- cate_id 内容或物品类别ID
- action_type 用户行为类型，例如view（点击）、deep_view（深度阅读）、share（分享）、comment（评论）、collect（收藏）等
- action_time 行为发生时间
可进行：
- 可使用不同推荐算法（User-CF、Item-CF、热榜、混合），给指定用户推荐其可能感兴趣的内容或物品
- 热榜内容推荐排序支持hackernews算法（解决过热问题）、基于用户行为类型打分（如 分享 > 评论 > 收藏 > 深度阅读 > 点击）
- 给指定用户推荐其他相似行为用户；
- 用户行为统计分析；
个性化推荐系统
推荐相似行为用户
用户行为类型统计
