任务详情
一、需求描述
开发一套基于协同过滤算法的宠物用品商城系统，能够根据用户历史行为（如浏览、收藏、购买记录）及相似用户偏好，智能推荐相关宠物食品、玩具、护理用品等。系统需支持实时推荐与个性化排序，提升用户购物体验与转化率。
二、技术能力要求
熟练掌握协同过滤算法（包括基于用户与基于物品的算法），了解矩阵分解、Slope One 等改进模型；
具备扎实的机器学习与数据挖掘基础，熟悉 Python（如 Surprise、Scikit-learn 库）或 Spark MLlib；
熟悉推荐系统常见评估指标（如准确率、召回率、F1值）；
具备数据处理与特征工程能力，熟练使用 SQL、Pandas 等工具；
了解实时推荐架构（如 Flink + Redis）及部署流程者优先。
三、参考产品
可参考 Amazon 商品推荐、Chewy 宠物用品推荐模块、Netflix 影片推荐系统等，借鉴其交互设计与个性化策略。
四、合作方式
可接受全职、远程协作或项目制合作，需定期同步进展
开发周期：15-20天
