推荐算法类别概述

1. 基于内容的推荐
计算用户特征向量组与推荐单元特征向量组的相似性，一般采用于余弦相似性。

2. 基于协同过滤的推荐
基于“相似的人喜欢的东西也相同”原则
注：随着系统的使用，数据量的增多，用户相似性计算复杂度增高，
实时性差，因而可以引入产品相似性计算来代替用户相似性（因为产品相对稳定，可在线下进行）

3. 基于关联规则推荐

4. 基于效用推荐
对每个用户建立一个效用函数，给用户推荐效用分数最高的推荐单元

5. 基于知识推荐
一种推理技术，或者说是一种基于规则的技术

6. 组合推荐（进阶）
通过组合技术克服各自推荐技术的缺陷
a. 加权
b. 变换 根据条件选择相应的推荐技术
c. 混合  采用多种推荐技术给出多种推荐结果，让用户自己选
d. 特征组合   是一种数据源组合方法，即将不同数据源的特征组合

e. 层叠  双层推荐，即先用一种推荐技术得到一种粗糙的结果，然后在此基础上再用一种推荐技术得到精确的结果

f. 特征扩充 一种技术产生的特征附加到另一种技术的输入特征里

来源：推荐算法