随着移动互联网技术向复杂化、智能化、数据化的方向发展,其网络环境更加复杂多变,使用人群也有着明显的类型区分,互联网产品越来越趋向同质化。涂手应用作为近两年在互联网社交应用分类中出现的后起之秀,在绘画图形社交垂直领域占据一席之地,为绘画爱好者提供了一个可以分享交流作品的平台。然而在互联网整体数据量日趋庞大的背景下,如何有效提升生产者和消费者的效率成为了一个互联网社交类APP发展中不可避免的问题。而近几年来,大数据技术不断的发展,硬件性能的不断提升,与之对应的相关算法也层出不穷,其中推荐算法就是一种提升信息获取效率的首要解决方案。对互联网产品运行情况的分析可以为未来的软件开发提供数据支持与设计指导。因此,本课题将开展基于涂手应用的推荐系统开发,以提升用户的体验和消费效率。首先,通过分析涂手应用的功能特点以及前后端系统现有的设计与实现原理,选择能够影响用户潜在操作行为的参数予以分析。其次,研究推荐算法并选择适用于涂手应用的算法并加以修改,以解决软件和系统架构上存在的不兼容问题,从而更好地贴近涂手应用的特点。再次,开发基于推荐算法的推荐系统,软件设计包括推荐表持久化模块、API网关模块、行为统计模块、推荐计算模块、推荐表维护模块。通过分析用户的历史操作行为并提取特征值,使用推荐算法为用户没有评过分的作品逐一进行评分预测,然后将评价预测分较高的作品推荐给用户,从而为每一个用户提供完全个性化的绘画作品内容推荐服务。最后,研究并设计涂手应用推荐系统的A/B测试方案以及推荐效果的评估方法,将系统部署到实际的线上生产环境进行实验,完成调试、监控和实际运行等相关验证及分析,对系统的运行情况和推荐结果的用户反馈进行数据整理和分析。实验结果表明,系统的整体性能满足实际需求,所开发的涂手应用推荐系统可实现对用户的兴趣范围产生个性化推荐内容,可有效提升整体的用户活跃度与留存率。