随着互联网的普及,越来越多的人能够参与到互联网的世界中来,互联网世界的内容也越来越丰富;随着社会的发展以及科技的进步,手机现在也变得越来越普及,越来越多的人能够使用手机来体验互联网的魅力。手机的功能现在已经不仅仅是用来作为通信的工具了,更多的扮演的是一个人们与互联网世界进行交互的接口。人们通过手机来访问互联网,以此来查询资料、获取信息来了解世界。然而,随着互联网信息量的指数式增长,人们现在面对的问题是,如何在这种信息的海洋中找到自己感兴趣的、与自己需求相匹配的内容。推荐系统也就是在这种信息过载的背景下应运而生。推荐系统要解决的就是如何将互联网的庞大的信息量,精准地推送给对它感兴趣的网络用户。本文设计和实现了一个基于手机APP应用场景的百科知识推荐系统,该系统的主要的功能是向用户推荐他们会感兴趣的各种百科知识。论文中描述了知识推荐系统的背景,并介绍了所采用的推荐模型,同时对推荐系统的实验评估方法也进行了简单地介绍。通过对实际应用场景以及流程的分析,确定了数据采集及预处理、模型构建、召回、排序以及推荐评估等五个系统模块。系统在召回阶段采用了多路召回技术,在推荐结果排序阶段采用了CTR（Click Through Rate）预估模型来进行点击率预估、排序。为了能够在线上有效的评估推荐系统所使用的各个模型,比较各模型在实际应用场景中的效果,还对系统进行了AB测试,通过实际应用场景下的点击率来比较模型的效果。本文所述的个性化百科知识推荐系统,已正式投入线上运行,系统提供的个性化百科知识推荐功能,能够很好地帮助用户发现其感兴趣的百科知识。于用户而言,系统能够很大程度上帮助其发掘兴趣,提升了用户使用软件产品时的体验;对软件产品而言,提高了用户留存率,也能够吸引更多的新用户。同时,在系统实现的过程中,解决了一些将深度学习模型应用于实践时将会产生的工程性问题,为以后解决此类的问题提供了有价值的参考。