要实现一个商品推荐系统，你可以考虑以下步骤：
数据收集：收集用户和商品的数据，包括用户对商品的喜好、购买历史等信息。
数据预处理：对收集的数据进行清洗、处理，包括去除异常值、缺失值处理等。
特征工程：从原始数据中提取特征，比如用户的购买记录、浏览记录、点赞记录等。
模型选择：选择合适的推荐算法，比如协同过滤、内容推荐、深度学习等。
模型训练：使用收集的数据对选择的推荐算法进行训练。
模型评估：评估模型的性能，可以使用一些指标如准确率、召回率、覆盖率等。
上线部署：将训练好的模型部署到线上系统中，实现实时商品推荐。
以上是一个基本的商品推荐系统的建立步骤，具体实现过程中还需要根据实际情况进行适当调整和优化。