上次分享了这个作者的基于协同过滤的推荐引擎的理论部分，这篇是实战部分。

这是极客公园「极客公开课 · Live」2017 年第一期的活动，来自 Hulu 北京研发中心的研发总监周涵宁 Eric，和我们分享了在视频产品中的推荐系统模型，以及他在 Hulu 的相关技术产品经验。

魅族整个产品线都有用到推荐，包括资讯、视频、应用中心、个性化中心、广告等业务，魅族的推荐平台在其中起到了关键的作用，下文将会全面分析从开始到现在的架构演进，以及其中涉及的技术难点分析，以期给读者带来更多的思考。

由于各种推荐方法都有优缺点，所以在实际中，组合推荐经常被采用。 最简单的做法就是分别用基于内容的方法和协同过滤推荐方法去产生一个推荐预测结果，然后用某方法组合其结果。 用的最多的是协同过滤算法，这也是本文要重点介绍的。

做推荐模块的可以看看~内容来源：2017年4月8日，倪江利在“七牛架构师实践日-大数据技术最佳实践”进行《魅族推荐平台架构》演讲分享。IT大咖说作为独家视频合作方，经主办方和讲者审阅授权发布。 阅读字数：2889 | 5分钟阅读 摘要魅族推荐平台实现了在海量的数据中对算法模型进…