商品详情页上的推荐怎么弄

商品详情页上的推荐可以通过以下几种方式实现：

1. 基于内容的推荐：基于内容的推荐是根据商品的描述、属性、标签等信息，找到与其相似的商品进行推荐。这种方式需要对商品的信息进行有效的提取和处理，以便找到相似的商品。
2. 协同过滤推荐：协同过滤推荐是根据用户的历史行为，找到与其兴趣相似的其他用户，然后推荐这些相似用户喜欢的商品。这种方式可以很好地解决冷启动问题，但需要大量的用户行为数据。
3. 矩阵分解推荐：矩阵分解推荐是将用户-商品评分矩阵分解为两个低维矩阵，然后通过计算用户和商品的相似度，找到与当前商品相似的其他商品进行推荐。这种方式可以很好地解决数据稀疏问题，但需要大量的用户行为数据。
4. 深度学习推荐：深度学习推荐是利用深度学习技术，对用户和商品进行表示学习，然后计算它们之间的相似度，找到与当前商品相似的其他商品进行推荐。这种方式可以自动学习用户和商品的高维特征，但需要大量的计算资源和数据。

推荐系统的实现需要综合考虑多种因素，包括用户行为、商品属性、搜索历史等等。在实际应用中，可以根据具体情况选择合适的推荐方式，甚至可以将多种方式结合起来使用。