这是一个被称为推荐系统或推荐引擎的大话题。

最常见的方法是使用所谓的协同过滤。互联网上的大多数方法都试图猜测用户对某项商品的排名，但我认为这可以扩展到用户是否会购买，因为如果用户对某项商品的排名很高，他们也更有可能购买该项目。

这个想法是每个项目都有一个n维向量，每个用户都有一个n维向量。您可以通过两个向量之间的一些操作来预测用户的预测评分。在这个例子中，让我们使用两个向量之间的点积来预测用户对他们还没有看到的项目的评分。

虽然获取 2 个向量并获得预测不是机器学习问题，但为向量找到合适的值绝对是机器学习问题。我不会深入探讨如何获得这些向量，因为应用了许多不同的算法，而且您似乎在询问更多系统设计问题。

一旦你为每个用户训练了 1 个向量，为每个项目训练了 1 个向量，你还有 2 个问题需要解决： 1. 估计要推荐的前 N ​​个候选项目 2. 取这 N 个项目之间的点积并推荐少数几个以最高分。

第 1 项可能会涉及在您的数据库中使用一些空间索引（例如 PostGIS for PSQL），因此您可以找到一些能够提供相当好的点积的向量。您可能需要考虑使用球树数据结构来搜索一组好的候选项目。

数字 2 将非常简单，只需点点向量并选择最好的几个。

这对你来说将是一个巨大的挑战，但我相信你会学到很多东西。由于您要创建的系统如此庞大，因此我无法详细说明，但希望我为您指明了正确的方向。