推薦引擎可以說是乙個自動化的「商店銷售員」。你可以諮詢他某件東西。他不僅向你介紹詢問的產品，還向你推薦其他你可能購買的商品。
一、推薦引擎的型別
乙個簡單的方法是把大部分使用者喜歡的專案作為推薦專案。這是乙個快捷且卑鄙的做法，他有很大的缺點。就是這種方法並沒有使用個性化。
基本上，每個使用者最受歡迎的專案是相同的，因為在整個使用者池上定義了流行度。 所以每個人都會看到相同的結果，這看起來就像，乙個**推薦你購買微波爐只是因為其他使用者喜歡而不在意你是否有興趣購買或者不買。
特別地，這些方法一直在像新聞門戶**中使用，當你登入bbcnews時，已將看到一列「熱門新聞」，他被細分為幾個部分，並顯示每個部分最多閱讀的文章。在這個案例中這個方法能起作用是因為：
但也有一些主要的缺點，因為它在實踐中並沒有太多的用處：
case3：推薦演算法
現在讓我們來到針對解決推薦問題而量身定製的特殊類演算法。 通常有兩種型別的演算法 - 基於內容和協同過濾。 可以參考這一文章，以了解其工作原理。
1.基於內容的演算法：
2.協同過濾演算法：
此外，有幾種型別的協同過濾演算法：
1.使用者-使用者協同過濾：在這裡，我們找到相似的客戶（基於相似性），並提供了最相似客戶過去所選擇的產品。 這個演算法非常有效，但需要大量的時間和資源。 它需要時間計算每個客戶對資訊。 因此，對於大基礎平台，如果沒有非常強大的可並行化系統，該演算法難以實現。to be continue……3.其他更簡單演算法：還有其他方法，如市場籃子分析，其通常不具有比上述演算法高的**能力。
總結翻譯自
mahout的推薦引擎Taste的學習筆記（一）
mahout中的乙個模組taste實現了推薦引擎的功能，到網上查了一下資料，都沒有任何taste原始碼分析，只有自己看一看 了，能記的就記錄下來，以後用到的時候就方便了。推薦引擎的原理是協同過濾 collaborative filtering,簡稱 cf 下邊就用這個縮寫了。1 基於使用者的cf 基...
Mapreduce 推薦引擎
購買過該商品的顧客還購買過哪些商品 給乙個商品，推薦購買過這個商品的使用者經常購買的五件產品 輸出是鍵值對，鍵是商品，值是5個商品的列表 map1 key userid value userid購買過的產品 map userid,item reduce1 reduce userid,item i1,...
推薦引擎分類介紹
搜尋引擎是當前快速查詢目標資訊的最好途徑。在使用者對自己需求很明確時，用搜尋引擎可以方便地通過關鍵字快速找到自己需要的資訊。但搜尋引擎並不能完全滿足使用者對資訊發現的需求，因為在很多情況下，使用者其實並不明確自己的需要，或者他們的需求很難用簡單的關鍵字來表述，又或者他們需要更加符合他們個人口味和喜好...