技术和工具：Node.js、Express（Node.js的web框架）、Spark（计算引擎用于推荐算法）、Vue、WEEX（跨平台开发）
数据库：MySql（存应用数据）、Hbase（存推荐排序数据，可以让活跃数据存内存，提高速度）
- 写了需求分析
- 对各个模块的功能和逻辑都给了具体的阐述，用例描述这个感觉好好
- 提出了性能要求
- 给了整个系统的逻辑架构图（分层）
- 给了功能模块分解图
- 有数据库的设计，包括ER图和具体表的定义
- 对每个模块都进行了具体阐述给了逻辑和代码对应的方法
- 有测试功能和性能（压力测试工具wrk）
本文的推荐算法部分写得好好！！文字阐述到位，逻辑图清晰，作者的设计感觉好全面好细致。
三个推荐算法：
- 基于标签的推荐算法（推荐用户设定标签的热点帖子）
- 基于领域的推荐算法：基于用户、基于帖子（中心：计算相似度，推和用户口味差不多的人喜欢看的帖子，推用户喜欢的类似帖子（访问历史去掉看过的帖子））
- 基于流行度的推荐算法（推荐最热帖子，注意时效，设定推荐三天内参与度高，正反馈高的帖子）
在整个推荐系统还对打上企业学习标签的内容增加了权重
总结：这篇论文是目前我读下来感觉收获最大的，对我来说新的点有：不同功能使用不同数据库（用了MySql和Hbase），还用了跨平台开发（WEEX可跨Android、iOS、web）ß这个感觉好有用，推荐算法那部分写得好好，而且每个模块都阐述的好清晰，逻辑好完整！他还考虑到了性能，还有功能和性能的测试，功能的测试还分离线测试（这个还涉及到了深度学习）和人工测试（人工测试居然有100+人！）。收藏！
