se是根据集体行为计算用户之间的相似度，比如A跟B计算出来非常相似，则可以把B喜欢的内容，但A还没有看过，推荐给A。
常用的应用场景
1、首页猜你喜欢推荐
由于移动端屏幕较小，一屏展现的内容较少，用户要找到自己感兴趣的内容需要一屏一屏往下翻，在这个地方展现个性化推荐系统推荐的内容，可以快速抓住用户的眼球。
2、在发现栏目给用户推荐感兴趣的内容，可以让用户获得惊喜。
3、内容详情页的关联推荐/相关推荐，在内容详情页可以给用户推荐与当前内容相似的内容。
4、阅读结束/视频播放结束/直播结束推荐，推荐与当前内容类似的内容。
5、搜索页面推荐，当搜索无结果时，可以给用户推荐其感兴趣的内容
个性化推荐系统应用中的几个关键问题
个性化推荐系统是一个非常复杂系统，其中不光涉及数据处理算法和系统架构的灵活性问题，还涉及系统鲁棒性，数据稀疏性问题、冷启动问题、系统的精准性和多样性问题。
垃圾数据处理，对于系统产生的异常数据、垃圾数据需要业务特点制定一套清洗规则。
冷启动问题，由于新用户访问时没有数据沉淀，因此很难根据用户行为进行推荐，目前比较普遍的方法是新用户首次登录时提供兴趣标签引导页面，引导用户进行设置，同时结合其它推荐算法。另外一种比较理想的方法是使用用户在其它平台的社交数据。
数据稀疏性问题，可以使用聚类算法进行升维后运算，并结合其它算法进行组合推荐。
推荐结果精准性和多样性，通过多种算法进行组合推荐。确保推荐结果集的精准性和多样性。
以上是关于个性化推荐系统的一个基本知识，花了点时间整理出来，希望对大家有所帮助。欢迎对这块感兴趣的同学一起交流。
作者：谢德福（微信号：beancurd191），9年以上互联网从业经验，6年以上个性化推荐、大数据相关经验。毕业进入华为工作6年后，于2013年出来创业至今，专注于大数据技术在影视、文化、视频、娱乐等领域的应用。
项目经理胜任力免费测评PMQ上线啦！快来测测你排多少名吧~
http://www.leadge.com/pmqhd/index.html
