---恢复内容开始---
1.基于人口统计学的推荐
根据系统用户的基本信息发现用户的相关程度，然后将相似用户喜爱的其他物品推荐给当前用户
2.基于内容的推荐
根据推荐物品或内容的元数据，发现物品或者内容的相关性，然后基于用户以往的喜好记录，推荐用户相似的物品
3.基于关联规则的推荐
首要目标是挖掘关联规则,也就是那些同时被很多用户购买的物品集合，这些物品可以相互进行推荐。目前关联规则算法主要从apriori和fp-growth两个算法发展演变而来
4.基于协同过滤的推荐
这种算法基于一个“物以类聚，人以群分”的假设，喜欢相同物品的用户更有可能具有相同的兴趣
4.1基于用户的推荐
根据所有用户对物品或者信息的偏好（评分），发现与当前用户口味和偏好相似的“邻居”用户群，在一般的应用中采用计算“K-Nearest Neighboor ”的算法，然后，基于这K个邻居的历史偏好信息，为当前用户进行推荐
4.2基于物品的推荐
使用所有用户对物品或者信息的偏好（评分），发现物品和物品之间的相似度，然后根据用户的历史偏好信息，将类似的物品推荐给用户
---恢复内容结束---
