项目描述：通过向用户推荐合适的帖子，增加用户交互行为（点赞、评论、转发、收藏等），进而增加用户平均使用时长。满足用户体验的多样性、新颖性和数据合理性。

工作内容：
1.收集数据，对数据进行预处理；
2.系统搭建，使用Lambda架构整合实时计算和离线计算；
3.收集用户的点击、浏览、收藏等行为，构建用户画像和文章画像，存储于HDFS集群中；
4.搭建排序模型和wide-deep模型，对正负样本进行采集与评估，实现模型的特征。
5.分析参数，优化参数和损失函数，对参数进行调参。
6.使用gcp进行模型训练、超参数进行调优。
7.对模型进行评估与部署，建立模型评估，设计深度模型的部署方案，建立推荐系统的检验标准。
8.对图像和视频中人脸推荐进行视频解码，图像处理，搭建模型，使用MTCNN人脸检测算法，采用P-net、R-net、O-net级联，对图像进行分类+框回归+关键点回归，使用inception resnet v2主网络提取出128/512个特征值的人脸特征。通过mlp人脸特征进行分类，将基于tensorflow serving模型部署到服务端。
9.对图像和视频分析的场景推荐，通过视频解码、图像处理，模型搭建，采用CNN模型提取出图片特征，使用nasnet/inception resnet v2对场景进行分类。
10.对图像和视频的分析的表情推荐，通过mtcnn人脸检测算法，对图像和视频中的场景进行分类+框回归操作+关键点回归，提取出图片特征，对人脸进行关键点对齐操作，使用CNN提取人脸特征进行分类。
11.基于图像和视频分析的姿态推荐，采用mask、r-cnn检测出人体关键点，先检测出人体，再检测出人体骨骼关键点，然后使用神经网络对人体关键点做分类。
12.优化项目，总结项目，编写项目技术文件。

项目结果： 每天可以向每个用户推荐30篇相似的文章和30个相似的视频，评分相似度可达到9.76。