随着社会的发展,人们使用互联网的时间也逐渐增加,在使用互联网时会产生大量的日志信息,同时人们也更频繁地在互联网上产生内容。早期互联网上信息主要由主要平台产生,且数量不大,人们使用信息检索的方式来获取想要的信息。互联网发展到现在,人人都是内容制造的参与者,在海量的内容面前,推荐系统是最好的解决方案。通过针对用户进行内容推荐,让用户从频繁的信息检索动作中抽出身来,更好地迎合互联网的UGC(用户制造内容)环境。同时也可以针对积累的大量日志进行分析,获取有价值的信息,更好的为用户服务,形成良性循环。广电集团拥有海量用户,存储着海量用户信息数据,同时也产生着大量的日志。而以往广电的推荐内容单一适用面窄,现在需要一个能分析海量日志信息与用户信息的系统,对每个用户进行个性化适配,进行内容推荐。其目的是快速精准的挖掘出用户的兴趣偏好并推荐出相应的电视产品,从而达到系统比用户更懂用户的效果。系统将关注点聚焦在在线推荐上面,拟针对不同的广电用户使用场景进行实时高效的推荐。由于个人偏工程化的工作内容,系统将从工程化角度进行详述,主要包含了使用大数据计算平台和高性能数据仓库进行数据分析,高效分析用户和内容日志形成用户画像及行为画像;算法上进行工程抽象,依托抽象算子库,实现算法自动化监控和运行;针对不同场景使用不同推荐策略,最终在各个广电用户使用场景下实现推荐。