智能推荐系统，已经发展到比较成熟的阶段，在电商领域和新闻领域得到了广泛的应用，鉴于最近项目组需要进行工业网站智能推荐系统的开发，进行相关资料学习，并整理材料，具体如下．
智能推荐的本质：基础数据＋计算过程＋算法模型，
智能推荐的效果：千人千面，个性化推荐
需要解决的问题：海量数据的冗余，冷启动问题（用户，商品数据为零），马太效应（热者愈热），用户兴趣的升级
推荐考量指标：用户行为信息 用户信息的时间范围
主要推荐算法：
推荐算法概述-基于内容属性相似的推荐：（问题：１内容本身是非优质信息，２问题已经解决，信息冗余）
基于用户画像的推荐（标签采集）：（问题：１并非所有的用户行为都是用户的偏好，２偏好随着时间发生转移，３压根没有用户信息）
基于协同行为推荐（物品和用户）：（基于相关程度进行向量轨迹的推荐）
其他方法：根据场景考虑，可以综合多种算法模型