1，先看FM部分。
2，看看冷启动。
0，热门召回源。
1，男女召回源，年龄召回源，职业召回源，score最高。
2，男女年龄职业相互组合；
3，存入redis。天级别更新。
3，召回+排序先搞懂。
4，排序一个一个往里套。（按照电商的做法，rmse，auc）
----------问题讨论--------
1，目前进度都有哪些？
2，协同都是你们自己写的吗？
3，模型用了哪一个了？
4, jiaxin 后来的课程如何？有用的？
------1, 数据阶段----------
ratings.dat: user_id, movie_id, rating, timestamp
users.dat: user_id, gender, age, occupation（职业）, zip-code
movie.dat: movie_id, title, genres(体裁).
------2, 先看FM。------------
1. 数据导入：python mkdata.py ratings.dat > ratings.fm
数据变换：1::1193::5::978300760 -> 5.000000 1:1 11193:1
2. 模型训练：python fm.py ratings.fm
3. 电影相似度：python sim_movies.py
4. 用户观影历史: python user_movies.py ratings.dat
5. 推荐电影：python recommend.py 1
--------3，所有排序一个一个往里套-----------
1，LR（不适用于此）
2，linear regression：
3，xgboost（也 for 一遍看看）：
4，FM:
5, Wide & Deep：
6，GBDT + LR:
7, 网格搜索一下最好的。
--------4，召回部分学习----------------------
1，word2vec：
2，CF：
3，FM：
4，DNN：