推荐算法在电商领域中非常重要，可以帮助提升用户体验和促进销售。以下是一个简单的基于内容的推荐算法示例代码，用于根据用户的偏好推荐商品：

# 商品库，每个商品包含 id 和对应的特征
products = {
    1: ['iphone', 'smartphone', 'apple'],
    2: ['galaxy', 'smartphone', 'samsung'],
    3: ['ipad', 'tablet', 'apple'],
    4: ['watch', 'wearable', 'apple'],
    5: ['tv', 'smart', 'samsung']
}

# 用户的偏好
user_preferences = ['apple', 'smartphone']

# 根据用户偏好推荐商品
recommended_products = []
for product_id, features in products.items():
    if all(pref in features for pref in user_preferences):
        recommended_products.append(product_id)

print("Recommended Products:")
for product_id in recommended_products:
    print(products[product_id])

在这个示例中，我们首先定义了一个包含商品信息的字典 products，每个商品由 id 和特征组成。然后定义了用户的偏好 user_preferences，表示用户喜欢苹果和智能手机。接下来通过遍历商品库，筛选出符合用户偏好的商品，并将其添加到推荐列表中。最后打印推荐的商品信息。

请注意，这只是一个简单的基于内容的推荐算法示例，实际应用中可能需要考虑更多因素，如用户行为数据、评分数据等来提高推荐效果。如果您需要更复杂的推荐算法或有其他特定需求，也可以使用机器学习算法如协同过滤、深度学习等来实现更精准的推荐。