智慧型推薦演算法總的來說分為兩種：基於內容的推薦演算法和協同過濾推薦演算法。
根據內容的相似度（靜態的東西）進行推薦，內容不好提取的可以採取貼標籤的形式來區分計算內容的相似程度。然後根據使用者的喜好設定，關注等進行相似內容推薦。
根據動態資訊來進行推薦，即推薦的過程是自動的，推薦結果的產生是系統從使用者的購買行為或瀏覽記錄等隱式資訊拿到的，無需使用者通過填**等方式來明確自己的喜好。因為這些資料都是要讀到記憶體中進行運算的，所以又叫基於記憶體的協同過濾（memory-based collaborative filtering）
,另一種協同過濾演算法則是基於模型的協同過濾(model-based collaborative filtering)；m
個物品，
m個使用者的資料，只有部分使用者和部分資料之間是有評分資料的，其它部分評分是空白，此時我們要用已有的部分稀疏資料來**那些空白的物品和資料之間的評分關係，找到最高評分的物品推薦給使用者。對於這個問題，用機器學習的思想來建模解決，主流的方法可以分為：用關聯演算法，聚類演算法，分類演算法，回歸演算法，矩陣分解，神經網路
,圖模型以及隱語義模型來解決。
（而基於記憶體的協同過濾又有兩種：
基於user的協同過濾
(使用者相似度
):通過相似使用者的喜好來推薦
基於item的協同過濾
(內容相似度
):通過使用者對專案的不同評分推薦可能讓使用者打高評分的專案，是專案之間的相似度。
任何一種單一推薦演算法都有缺點，我們在實際專案中，可以採用混合推薦演算法，融合以上方法，通過串聯併聯等融合，構造出自己的一套推薦體系。
推薦演算法學習（1）
說明 資料都來至網路，收集起來方便自己看 1 推薦演算法就是利用使用者的一些行為，通過一些數學演算法，推測出使用者可能喜歡的東西。1 基於內容的推薦 基於內容的資訊推薦方法的理論依據主要來自於資訊檢索和資訊過濾 即根據使用者過去的瀏覽記錄來向使用者推薦其沒有接觸過的推薦項。啟發式的方法就是使用者憑藉...
常見推薦演算法學習
協同過濾演算法 基於使用者的協同過濾演算法 推薦和你類似的人喜歡的商品 基於商品的協同過濾演算法 推薦喜歡這個商品的人也喜歡的商品 基於內容的過濾演算法 詞權 word2vec 聚類 基於模型的推薦演算法 多種機器學習演算法 基於矩陣分解的推薦演算法 lfm隱語義模型 混合演算法 結合多種推薦演算法...
智慧型演算法學習總結
本科的時候學習了智慧型資訊處理這門課程，所使用的教材是 計算智慧型 張軍，詹志輝.計算智慧型 m 清華大學出版社，2009.11 1 神經網路的基礎知識與簡單分類程式設計 2 模糊邏輯基本原理與程式設計 3 粒子群演算法基本原理與程式設計 4 模擬退火演算法原理與程式設計 5 遺傳演算法的基礎知識與...