推薦演算法是推薦系統的核心，但為了產生精確而且有效的推薦，越來越多的技術融合到推薦系統的研究中，然後提出各種不同的推薦演算法。目前在推薦系統中應用的核心技術包括：
（1）資訊檢索技術（ir）
推薦系統根據使用者需求，搜尋產品類別資料庫，然後返回使用者需要的資訊，其搜尋過程可以實時進行，也可以定期執行，同時推薦系統提供的推薦介面既可以基於傳統的關鍵字查詢，也可以基於動態查詢介面。
（2）資訊過濾技術（if）
資訊過濾技術一般適合於使用者需求相對不變，而資訊動態更新比較頻繁地情況。（比如：指閱，閱公尺，牛讚網）
資訊過濾與資訊檢索的主要區別在於：
（3）資料探勘技術（data mining）
資料探勘中的知識可以分為以下幾類：
資料探勘常用的資料探勘方法包括：
推薦系統相關
目的 推薦相似物品，相似使用者。user based 1.計算使用者相似度，得到當前使用者的相似使用者。根據使用者對物品的偏好得到使用者向量，根據向量計算相似度。2.根據鄰居的相似度權重，把其他使用者的喜愛物品推薦給當前使用者。item based 1.計算物品相似度。將所有使用者對某個物品的偏好作...
推薦系統相關演算法 SVD
假如要 zero君對一部電影m的評分，而手上只有zero君對若幹部電影的評分和風炎君對若幹部電影的評分 包含m的評分 那麼能 出zero君對m的評分嗎？答案顯然是能。最簡單的方法就是直接將 分定為平均分。不過這時的準確度就難說了。本文將介紹一種比這個最簡單的方法要準上許多，並且也不算複雜的演算法。s...
推薦系統主題相關資料
推薦系統中隱語義模型 項亮的博士 項亮的書 推薦系統實踐 lda和gibbs sampling 用矩陣乘法間接 使用者對item的興趣 前提 知道item所屬類別 屬於該類別的概率 及使用者對類別的興趣或評分，兩者相乘得到使用者對item的興趣 這似乎與矩陣分解正好相反，是否是一種可行的思路？了解一...