目前使用比較普遍的個(gè)性化推薦算法有三種，分別是：協(xié)同過濾推薦算法、基于內(nèi)容的推薦算法和基于社交網(wǎng)絡(luò)的推薦算法。

　　1、協(xié)同過濾推薦算法

　　該算法的基本思想是，如果你的朋友或者親戚購(gòu)買了某件商品并且評(píng)價(jià)不錯(cuò)，那么你很有可能也會(huì)購(gòu)買該商品。根據(jù)相似度比較的對(duì)象不同，可以細(xì)分為基于用戶的推薦和基于物品的推薦。在用該算法的有Amazon等一些電商平臺(tái)。

　　a）基于用戶的近鄰?fù)扑]

　　基于用戶的協(xié)同推薦的基本思想是：尋找當(dāng)前用戶的近鄰(即計(jì)算用戶之間的相似性)，從而根據(jù)近鄰的喜好預(yù)測(cè)你也可能喜歡什么。

　　b）基于物品的近鄰?fù)扑]

　　該算法的核心是計(jì)算物品兩兩之間的相似度，從而為用戶推薦相似的物品。當(dāng)需要對(duì)用戶推薦物品A時(shí)，通過確定與A相似的物品B，計(jì)算用戶對(duì)這些近鄰物品B評(píng)分的加權(quán)總和來得到用戶對(duì)物品A的預(yù)測(cè)評(píng)分。

　　2、基于內(nèi)容的推薦算法

　　基于內(nèi)容的推薦與協(xié)同過濾推薦不同，它不需要用戶對(duì)物品的評(píng)分?jǐn)?shù)據(jù)，也不需要比較多個(gè)用戶或多個(gè)物品之間的相似度。該算法的基本思想是根據(jù)用戶的歷史興趣數(shù)據(jù)，建立用戶模型，然后針對(duì)推薦物品的特征描述進(jìn)行特征提取，后將物品特征與用戶模型相比較，相似度較高的物品就可以得到推薦。

　　基于內(nèi)容的推薦目前主要應(yīng)用于文本、視頻、音頻的推薦，比如新聞、視頻和電臺(tái)等。

　　3、基于社交網(wǎng)絡(luò)的推薦算法

　　基于社交網(wǎng)絡(luò)的推薦是協(xié)同過濾推薦在社交網(wǎng)絡(luò)中的延伸，同時(shí)又具有基于網(wǎng)絡(luò)結(jié)構(gòu)推薦的特點(diǎn)。大體上可以分為兩類，即基于鄰域的社交網(wǎng)絡(luò)推薦和基于網(wǎng)絡(luò)結(jié)構(gòu)的社交網(wǎng)絡(luò)推薦。

　　a）基于鄰域的社交網(wǎng)絡(luò)推薦

　　其基本思想是查詢社交網(wǎng)絡(luò)中當(dāng)前用戶所有的好友，根據(jù)好友的興趣數(shù)據(jù)，向當(dāng)前用戶推薦好友喜歡的物品集合。

　　b）基于網(wǎng)絡(luò)結(jié)構(gòu)的社交網(wǎng)絡(luò)推薦

　　該算法把用戶、用戶的好友、用戶的喜好和好友的喜好連接起來形成一個(gè)社交網(wǎng)絡(luò)結(jié)構(gòu)圖。同時(shí)，根據(jù)用戶之間的熟悉程度和喜好相似度，來定義用戶之間和用戶的喜好之間的權(quán)重，然后選擇與用戶沒有直接相關(guān)的物品，按照優(yōu)先級(jí)別生成推薦列表。