基于MySQL可构建推荐系统，通过设计用户、物品和行为表记录数据，利用SQL实现协同过滤、内容推荐和加权评分排序，支持“用户-物品”相似度计算与个性化推荐，适用于中小型应用的推荐需求。
MySQL 本身是一个关系型数据库，不能直接“实现”推荐系统，但它可以作为推荐系统的数据存储和查询支撑。要基于 MySQL 构建推荐系统，关键是设计合理的表结构，并结合推荐算法逻辑来查询和处理数据。下面从常见推荐方式出发，说明如何利用 MySQL 支持推荐功能。
1. 基于用户行为记录数据建模
推荐系统的前提是收集用户行为数据，比如浏览、点击、收藏、评分等。可以在 MySQL 中建立以下表：
- users 表：存储用户信息（user_id, name, ...）
- items 表：存储物品信息（item_id, title, category, ...）
- user_actions 表：记录用户对物品的行为（user_id, item_id, action_type, score, timestamp）
其中 action_type 可以是 'view'、'like'、'buy' 等，score 可用于量化偏好（如评分 1-5）。这些数据是后续推荐的基础。
2. 实现协同过滤（Collaborative Filtering）
协同过滤分为“用户-用户”和“物品-物品”两种。MySQL 可辅助计算相似度。
例如，实现物品协同过滤时，可以先找出与目标物品被相同用户频繁交互的其他物品：
SELECT ua2.item_id, COUNT(*) AS common_users FROM user_actions ua1 JOIN user_actions ua2 ON ua1.user_id = ua2.user_id AND ua1.item_id = 1001 AND ua2.item_id != 1001 GROUP BY ua2.item_id ORDER BY common_users DESC LIMIT 10;
这条 SQL 找出与物品 1001 被最多相同用户操作过的其他物品，可作为“喜欢这个的人也喜欢…”的推荐依据。
3. 基于标签或类别的内容推荐
如果物品有明确分类或标签，可以用 MySQL 快速做内容匹配推荐。
例如，用户最近浏览了某个类别的商品，推荐同类别中热门的其他商品：
SELECT i.item_id, i.title, COUNT(ua.user_id) AS popularity FROM items i LEFT JOIN user_actions ua ON i.item_id = ua.item_id WHERE i.category = ( SELECT category FROM items WHERE item_id = 1001 ) AND i.item_id != 1001 GROUP BY i.item_id ORDER BY popularity DESC LIMIT 10;
这种基于类别的热度推荐简单有效，适合冷启动场景。
4. 结合权重打分实现个性化排序
可以为不同类型的行为赋予不同权重（如购买=5，点赞=3，浏览=1），然后计算用户对物品的偏好得分：
SELECT
ua.item_id,
SUM(CASE
WHEN ua.action_type = 'buy' THEN 5
WHEN ua.action_type = 'like' THEN 3
WHEN ua.action_type = 'view' THEN 1
ELSE 1
END) AS total_score
FROM user_actions ua
WHERE ua.user_id = 123
GROUP BY ua.item_id
ORDER BY total_score DESC
LIMIT 50;
这个结果可用于生成该用户的偏好物品列表，再结合物品相似度做扩展推荐。
基本上就这些。MySQL 适合做数据支撑和初步的关联查询，但复杂推荐（如矩阵分解、深度学习）通常需配合 Python、Spark 或专用推荐引擎。不过在中小型应用中，用 MySQL + 合理 SQL + 应用层逻辑，完全可以实现实用的推荐功能。
