关于项目初期，数据量小的内容推荐的实现方法
前言
当下，只要是一个初具规模的内容应用都具备个性化推荐系统。比如购物类的会有推荐商品模块，搜索条下有个性化的搜索关键词或词条补全词，社交类的有博主推荐，视频或文章推荐等等。这些功能除了要有庞大的数据量，还要有健全的数据存储仓库建设方案，以及后面对数据的清洗，排序，训练后的推荐模型算法。
但是，对于小公司或者说是小项目，在想法还未真正落地就设计大数据存储，推荐算法和一系列大型架构的方案，显然是不符合业务型产品开展的正常规律的。我想那些大厂早期开发应该也没有这么成熟的技术结构，都是不断迭代或者推倒重来一步步走过来的。
那么，在小项目早期安排了有关于推荐功能的那要如何解决呢？ 如何做到下一次迭代在不重构的基础上添加协同过滤推荐？ 下面就从视频推荐和用户推荐两个功能展开，用PHP和MySQL进行代码实现。
视频推荐
另外我们还要设计两个参数用于手动调节视频的热度，提高就只需要增加内容质量，所以额外加一个数可以说是初始值。降低可以对时间差添加一个指数，也就是时间差的次方，可以理解是重力，也就是随着时间拉长，重力增加则热度成倍降低。
1. 公式
1.1. ”H“：视频热度值
1.3. ”I“：初始值，可以手动调节热度或者用于后期用户账号的权重。比如系统已经有了成长体系，账号发育规则基本完善了，用于实时计算账号的权重分配的流量池，权重提升，则后面发布的视频推荐力度大。
1.4. ”T“：时间差，由当前时间 - 发布时间产生，加一的原因是防止时间差为0(分母为零)，不过有审核机制下，这种情况并不存在。
