以前在网上查找资料需要进入网站之后分门别类的点进去，在一个个子类别下找到自己想要的东西，这是用户人工查找的过程。到后来的谷歌百度，可以直接搜索自己想要的内容，搜索网站就会把和你搜索目标相匹配的内容展示出来。

但是在某些情况下，如在找想看的电影时，用户并不知道自己想要看的电影具体是什么，这个时候推荐算法就派上用场了。

在任何情况下都不能无中生有给用户推荐内容，常见的参照为：

  1. 根据和该用户有共同喜好的人来推荐。
  2. 根据你喜欢的物品找出相似的来推荐
  3. 根据你给出的关键字来推荐，不过这类似于搜索算法。
  4. 根据上面几种条件的组合来推荐。

常见的推荐算法：

  1. 基于流行度的推荐算法：主要是堆热点商品或信息的推荐
  2. 基于内容的推荐算法：它的主要思想是根据推荐物品或内容的元数据，发现与其相关的内容或物品。比如看过哈利波特1，就会推荐哈利波特2等。这种方法易于实现。
  3. 基于关联规则的推荐算法，具体意义为：购买了一些物品的用户更倾向于买另一些物品。这是由于两者之间存在某些关联，而这些相关的内容都可以相互推荐。
  4. 基于协同过滤的推荐算法：喜欢相同物品的用于可能有相同的兴趣，可以细分为基于用户据的推荐和基于物品的推荐。
  5. 基于模型的推荐算法：主要是使用机器学习算法对目标用户建立推荐算法模型，然后对预测的结果进行打分，当然其中也需要一些人为干预，这会使得模型的结果更好。
  6. 混合推荐算法：实际应用中单一的推荐算法难以满足推荐任务的需求，所以更多情况下可能需要结合多种推荐算法来实现推荐任务，即多种推荐算法的融合。