继着上个问题，问下短视频常规推荐算法是如何实现

[simonlu9]

先感谢上个播放卡顿问题大家的热心回答，已经发现是前端问题，由前端来解决，现在的问题是这样，用户注册完之后选择视频标签，然后由后台推荐视频给用户（后台的视频也由标签标记的，一个视频对应多个标签）。

现在想到的是用用户的标签和视频的标签作一个相似度计算，然后推荐视频，但是这个算法缺点就是要提前计算好，而且不能重复，问问大家有什么好的方案

[levylll]

一个简单的做法，每个标签基于该标签下的 hot 内容做个倒排存到 redis 中，然后后面每次用户请求时直接基于库中存的用户标签，去 redis 中取对应的倒排进行组合排重过滤输出。

[simonlu9]

@levylll 可以理解为这个为分词思想吗

[imn1]

这个要看简单还是复杂
简单的话，标题分词匹配、tag 匹配等等，基本上已知无需提取的
中等复杂，可以结合类别，必要时结合评论
再复杂的，结合视频属性，例如时长、版权发行时间、涉及人物、地点……
最复杂就是内容（图像）分析了

[fcten]

楼主的方案是推荐算法的一种，叫做基于内容的推荐。缺点也很明显，就是无法为用户发现新的内容。
另一种推荐算法，叫做协同过滤推荐。简单来说，就是用户甲喜欢 ABC，用户乙喜欢 ABD，那么就给甲推荐 D，给乙推荐 C。

[wangbenjun5]

推荐算法可是一门学问，不是一句两句话能说清楚的，基于内容标签的这种推荐最简单，还有协同过滤等等，但是你想想头条抖音那么多算法工程师怎么可能这么简单，必须夹杂了大数据、深度学习等技术，别在 v2 问了，多看看相关技术博客和文章吧！

[EminemW]

我上一个公司是自己定了一套打分算法，然后推荐分数高的视频

[alya]

设计个评分方法做协同过滤

[XRR]

基于用户的协同过滤和基于 item 的协同过滤，推荐楼主看《机器学习实战》这本书