推荐系统中最常用、应用最广泛的方法是协同过滤推荐算法。它的理论基础是基于一个核心假设，即如果用户在过去时间中对某些物品表达出兴趣，那么用户在未来也同样会拥有相似的兴趣。因此，协同过滤的主要思想是寻找在同一个领域中，对相似物品或项目有共同兴趣爱好的用户，或者寻找用户与曾表现出兴趣的物品或项目相似的物品或项目。通常来说，如果两个用户对相同或几乎相同的物品进行了差不多的评分，那么他们大概率拥有相似的品味，因此可以被分配到一个组或相邻区域。而如果一个用户喜欢一个物品或项目，那么大概率他也会喜欢与其相似的物品或项目。例如，用户对《哈利波特与魔法石》表现出明显的兴趣，那么他大概率也会喜欢《哈利波特与密室》、《哈利波特与阿兹卡班的囚徒》等哈利波特系列电影，这时候我们就可以为该用户推荐此类电影。

软件根据聊天内容判断分析用户情感，推荐内容。为了让增加用户对软件的使用粘度，并且能够提高软件的使用舒适性，我们的软件主要研究以下几种内容的推送：音乐，电影解说，小故事以及书籍。通过对聊天记录的分析，配合当时用户的心情，智能推送以上四种产品， 可以增加用户的体验，也可以作为广告推送进行创收。

其中，会把音乐会推荐给对某歌手感兴趣的人群、如果有用户在一天中心烦，过的不如意推荐柔和的音乐可以缓解情绪。

电影解说库里有电影解说，如励志，豆瓣评分高，用户喜欢的。对于聊天记录中提到电影的人群进行推荐，还有用户感兴趣的演员等等，让生活有变故推荐励志电影解说心灵治愈来达到重新振作的作用。

书籍推荐只推荐学习用书，对于聊天记录中提到学习的人群进行推荐，可以是学习用书，也可以是其他类型的书籍或者杂志。例如聊到经济可以看宏观经济学微观经济学。还有摄影、美术、口才等

还有小故事库，幽默风趣的小故事。推送给不愿意社交的用户，什么都不想干的用户，提高他们的幽默感后日与他人交流能带点幽默风趣。

 

 

程序通过分析用户的聊天记录文本，得出用户的兴趣点和状态，进行内容推荐，推荐内容主要是一首旋律柔和的音乐、一篇电影解说、一篇睡前小故事、一本学习书籍。

为了能够对聊天记录进行情感分析，我们将会收集多份聊天记录进行模拟训练，得到某一种类型文字的具体含义，打上标签，然后再和想同标签内容的某种电影或者某种音乐或者某种书籍进行关联，从而进行精准的推荐。