本文记录了我对owllook.net这一网络小说搜索引擎的推荐系统的分析与设计过程。这个项目是开源项目，地址在owllook repo，目前已经积累了一定的数据量，需要一个靠谱的推荐系统。注意我用到的数据是内部数据，并没有开源。
本文使用推荐算法包括：基于用户的协同过滤（UserCF）、基于物品的协同过滤（ItemCF）、基于流行度的推荐、随机推荐、基于用户标签相似度的推荐等算法。通过对比发现基于用户标签相似度的推荐算法表现效果最佳，目前已经将该算法在线上使用。
动手实现基于协同过滤的电影推荐系统
项亮的《推荐系统实践》是一本面向推荐系统初学者的好书。这本书中间花了不少的篇幅去介绍了推荐系统中很重要的一个算法：协同过滤。囿于书中的篇幅限制，作者只给出了核心部分的代码。基于此书内容，我动手实现了基于用户的协同过滤算法和基于物品的协同过滤算法，并在MovieLens数据集上做了测试，效果令人满意。现在总结一下自己对协同过滤系统的理解和动手实践过程的经验。
本电影推荐系统已开源在：https://github.com/fuxuemingzhu/MovieLens-Recommender
Python实现北邮人BT模拟登录
如果问大家离开北邮最不舍的东西是什么？很多人肯定会脱口而出：北邮人BT！显然，北邮人BT已经融为每个BYR生活的一部分了。那么就从这个网站下手，练一练Python的爬虫吧。
很早之前写这篇文章时，对下载北邮人BT的资源的理解是先通过模拟北邮人BT登录，然后用代码下载资源。现在觉得这么做太复杂了，所以这篇文章就改成用python模拟登录北邮人BT的教程吧。
让你的Hexo博客变得更酷炫
最近有了审美强迫症，不仅让自己的Ubuntu变得很酷炫，还想把自己的博客变得更吸引眼球。调了两三天的博客，只为让博客变得更美。
记录一下我的调整的地方，也为了让大家更能看到我博客的亮点。
Python实现北邮人论坛模拟登录
模拟登录北邮人论坛可能是每个学着写爬虫的北邮人必备技能了。在网上和论坛上也有相关资料，但质量参差不齐，有些甚至不能实现模拟登录。因此，这里我使用requests库和urllib2库两种方法，分别实现了北邮人论坛的模拟登录。
教程所需环境：
- Python 2.x
- requests 库
在Hexo中我踩过的坑
为什么要开这篇文章？就是因为我这两天已经被Hexo折腾得够呛！
诚然，Hexo一键部署博客给写作带来了很大的便利，但是不可否认的是，Hexo的错误让人摸不到头脑，只有反复尝试才能得出正确结果。
因此，奉劝大家，不要瞎升级Hexo！不要瞎改动Hexo！不要瞎折腾Hexo！
这里记录下我踩过的各种坑，留给大家排坑，也方便自己以后查找问题。
在Hexo的Next主题中使用ECharts画图工具
ECharts简介
最近在实习的时候用到了ECharts。最刚开始我以为这个只能在前端通过js调用，对于我用python画图没帮助。可是自从再一次刷Github的时候发现了一个神器，激动地我差点睡不着了！这个就是pyecharts！这简直是神器啊，可以通过python调用ECharts的js接口然后就返回了画好的图~而且这个是可以交互的，比如下图，你就可以感受一下~~（利润，支出，收入三个标签也是可以点击的哦~）
首次面试经验总结
参加了一个面试，之后发现我的技术基本功完全就是渣！而且以前学过的都忘完了！回答的效果自己都感觉看不下去了。
不过还是感谢两位面试官能够花这么多时间和我交流。让我学习了很多。
别忘了，Show me the code!
下面就技术和知识两个方面进行分析。
2016.04 阶段性总结
这是一份阶段性总结。虽然并没有明显的分界线，但我感觉过了这么久，总该写点什么吧，给以后的自己看。碰巧也遇到不少烦心事，闲着也是闲着，趁这种干不了其他事的时候自己反思一下自己罢。
这是篇给自己看的保留文章，完全是想到哪写到哪，特别没意思，游客止步吧。
