推荐算法推理过程（基于实际数据库数据）

一、标签推荐算法

步骤1：查用户兴趣标签

• 查表：user_tags、tags
• SQL：

  SELECT t.name
  FROM user_tags ut
  JOIN tags t ON ut.tag_id = t.id
  WHERE ut.user_id = 1;
  

• 结果：用户1的兴趣标签为“科幻”“动画”“美食”“旅行”“穿搭”

步骤2：查这些标签下的所有帖子

• 查表：post_tags、posts、tags
• SQL：

  SELECT p.id, p.title
  FROM post_tags pt
  JOIN posts p ON pt.post_id = p.id
  JOIN tags t ON pt.tag_id = t.id
  WHERE t.name IN ('科幻', '动画', '美食', '旅行', '穿搭')
    AND p.status = 'published'
    AND p.user_id <> 1;
  

• 结果：id=3（功夫熊猫）、id=25（Fifth Post）、id=29（Ninth Post）

步骤3：查用户已互动过的帖子

• 查表：behaviors
• SQL：

  SELECT post_id FROM behaviors WHERE user_id = 1;
  

• 结果：1、2、3、21

步骤4：排除已看过的内容，得到最终推荐

• 查表：post_tags、posts、tags
• SQL：

  SELECT DISTINCT p.id, p.title
  FROM post_tags pt
  JOIN posts p ON pt.post_id = p.id
  JOIN tags t ON pt.tag_id = t.id
  WHERE t.name IN ('科幻', '动画', '美食', '旅行', '穿搭')
    AND p.status = 'published'
    AND p.user_id <> 1
    AND p.id NOT IN (1, 2, 3, 21);
  

• 结果：id=25（Fifth Post）、id=29（Ninth Post）

结论

最终标签推荐给用户1的内容是：Fifth Post、Ninth Post。

---

二、协同过滤推荐算法

步骤1：查用户1有行为的帖子

• 查表：behaviors
• SQL：

  SELECT post_id FROM behaviors WHERE user_id = 1;
  

• 结果：1、2、3、21

步骤2：查和用户1有重叠行为的其他用户

• 查表：behaviors
• SQL：

  SELECT DISTINCT b2.user_id, b2.post_id
  FROM behaviors b1
  JOIN behaviors b2 ON b1.post_id = b2.post_id
  WHERE b1.user_id = 1 AND b2.user_id <> 1;
  

• 结果：用户2、3、4、5、33、36、38、39、43等

步骤3：查这些相似用户还看过但用户1没看过的帖子

• 查表：behaviors
• SQL：

  SELECT DISTINCT post_id
  FROM behaviors
  WHERE user_id IN (2, 3, 4, 5, 33, 36, 38, 39, 43)
    AND post_id NOT IN (1, 2, 3, 21);
  

• 结果：29、334、336、338、339

步骤4：查这些帖子的详情

• 查表：posts
• SQL：

  SELECT id, title
  FROM posts
  WHERE id IN (29, 334, 336, 338, 339)
    AND status = 'published';
  

• 结果：

id	title
29	Ninth Post
334	测试草稿
336	学生证背面
338	论文截图1
339	api第二次作业

结论

最终协同过滤推荐给用户1的内容是：Ninth Post、测试草稿、学生证背面、论文截图1、api第二次作业。

---

总结

• 标签推荐算法推荐给用户1的内容是：Fifth Post、Ninth Post
• 协同过滤推荐算法推荐给用户1的内容是：Ninth Post、测试草稿、学生证背面、论文截图1、api第二次作业

每一步都明确了查哪个表、查什么数据，推理过程完全基于你的实际数据库内容。