推荐算法概述

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。