基于领域的社会化推荐

首先介绍几个概念：familiarity（u,v）=|out(u) & out(v)|/|out(u) | out(v)|   用户的熟悉度，社交网络中，看看有多少共同好友和共同关注（Facebook用这种方法），twitter一般用in（uv），来判断熟悉度。Facebook最出名的算法EdgeRank算法（信息流推荐算法）：其他用户对当前信息流的回话产生过行为的行为。一般U*W*D（u代表相似度，w代表行为权重，d代表时间衰弱），但是没有考虑主题的相关性。一般好友推荐算法，从内容匹配上面可以分：基于统计学，兴趣，地址等。一般来说需要实时存储的数据，比如说是购物车购买数据，加入购物车数据，都要存储在数据库和缓存中，大规模非实时的数据存在HDFS中。

小知识点总结：

mysql中想要按照顺序排列，用order by，其中默认是按照升序排列，order by-----desc是按照降序排列。

数据库连接池：连接数据库是一个比较费时的开销，因此在第一次建立一个连接池，每一个连接共享数据库资源，这样以后可以省时间。