（一）推薦引擎用例

• 京東、淘寶根據客戶的購買歷史來推薦；
• 愛奇藝、樂視根據向用戶推薦電影；

（二）推薦算法

• 基於關系規則推薦：用戶A經常同時購買了哪些商品，分析這些商品的關聯規則，則用戶B購買其中某一商品，可推薦其它商品；
• 基於內容推薦：用戶喜歡A電影，B電影和A屬於同一類型，比如愛情片，則該用戶還可能喜歡B電影；
• 基於人口統計學推薦：將用戶A的屬性或特征一一羅列，如年齡、性別、職業等，如果用戶B和A具有相似的屬性，則用戶B和用戶A可能有相似購物喜好。
• 基於協同過濾：
  • 基於用戶：將一個用戶對同所有item或content的偏好作為一個向量，計算用戶之間的相似度；比如用戶A購買了商品1和商品2，用戶B也購買了商品1和商品2，則用戶A購買了商品3時，可推薦用戶B商品3。
  • 基於物品：將所有用戶對某一item或content的偏好作為一個向量，計算item或content的相似度；比如用戶A、用戶B、用戶C都購買了商品1，同時這些用戶也都購買了商品2， 則用戶D購買商品1時可推薦其購買商品2。

基於協同過濾的推薦引擎