内容推荐大概思路
<p>暂时我个人的思路是这样的：
暂时使用的是素材的标题来实现文章关联推荐：
1：先给文章的标题进行分词处理。</p>
<p>2：先给所有文章的分词进行过滤，（自家过滤词+百度过滤词）</p>
<p>3：分词过滤后筛选出关键词，关键词筛选规则现在的想法是： 使用tf-idf算法求出每一篇文章的关键词（tf-idf所求出的值越大可以认为其实是该文章的关键词，暂定是筛选其中的1-2个（并列的大小随机选））</p>
<p>4：根据第三步提取的每篇文章的关键词，每两两文章进行关键词比较（余弦相似度）求出相似度，相似度范围定在（0-1），得分越高的相似度越高。</p>
<p>（注：每两篇文章进行比较流程：针对第三步求出的关键词，求出两两文章关键词的向量，在用余弦相似度求出相似度）</p>
<hr />
<p>当前问题：</p>
<p>两两文章的比较这种效率是否能够优化</p>
<p>对相似度文章的排重还没定下来 （算，还是存）</p>
<p>最终的处理结果的格式？（数据结构）</p>
<p>存放方式？（数据库选型是 hbase 吗？）</p>
<p>以及利用形式？（在哪个接口下发，如何上报和对比？）</p>
<hr />