1)基于内容的推荐:通过挖掘文本的TF-IDF特征向量,来得到用户的偏好,进而做推荐。这类推荐算法可以找到用户独特的小众喜好,而且还有较好的解释性。
2)协调过滤推荐:协调过滤是推荐算法中目前最主流的种类。它的优点是不需要太多特定领域的知识,可以通过基于统计的机器学习算法来得到较好的推荐效果。最大的优点是工程上容易实现,可以方便应用到产品中。目前绝大多数实际应用的推荐算法都是协同过滤推荐算法。
3)混合推荐:通过多个推荐算法的结合,得到一个更好的推荐算法。比如通过建立多个推荐算法的模型,最后用投票法决定最终的推荐结果。
4)基于规则的推荐:这类算法常见的比如基于最多用户点击,最多用户浏览等,属于大众型的推荐方法,在目前的大数据时代并不主流。
5)基于人口统计信息的推荐:简单的根据系统用户的基本信息发现用户的相关程度,然后进行推荐。