背景介绍

企业大学项目拥有，部门职务角色等先天的优势信息。
1.我们人为的对这些信息的关键词提取组成了32个大标签（基础标签），1组级别标签
2.课程我们也拥有自己的主标签

概括说明

1.新给每个人打标签
2.根据标签权重匹配对应的课程

标签算法规则

1.匹配计算每个人所拥有的大标签每匹配到一项权重+10 
2.匹配自己学习过10分钟以上的课程每匹配到一个课程+2
最终得到一个由 部门职务角色+学习课程内容组成的基础标签会有可能是多个

推荐的算法规则

1.根据用户的标签匹配相应标签的未学习过的课程并根据权重与学习人数进行倒序排列
2.获取的数据不满足条数要求的话补充通识课程
3.隐藏不在自己课程包内的课程
4.每次取出来的数据进行随机取4条（总数取前8条）

标签触发条件

1.增加修改用户的时候触发
2.每天第一次登录的时候自动重新计算标签（有可能部门职务改变了，学习时间也变了）

常见的推荐算法

1.协同过滤（CF算法包括基于用户的CF(User-based CF)和基于物品的CF(Item-based CF)。）
2.基于内容的算法（将内容关键字作为属性，把用户和新闻分解成向量，根据向量的距离计算相似性）
3.基于模型的算法（Logistics回归预测等）