關於個性化推薦的方法，這裡大致總結一下。
基於使用者：根據使用者的相似性，給特定使用者推薦與他相似的使用者所購買的商品；
基於商品：根據商品的相似性，給購買特定商品的使用者推薦與之相似的商品。
參考鏈結1
關聯演算法
knn裡最常用來度量「相似性」的是相關係數，關聯演算法實際上是另一種可以用來度量「相似性」的方法
參考鏈結2
其它聚類演算法
knn本來就是聚類演算法的一種，只是一直隨著推薦系統被單獨地提。
其它聚類演算法，譬如kmeans、層次聚類法也可用於比較相似性。
參考鏈結3
個性化推薦很有用，因為它能把使用者最需要的東西直接送到面前。但同時也存在一些問題：
內容的「固化」：給乙個輕**死忠粉的人連續推薦100天的輕**，我相信他會聽吐的。
資訊的「繭房」：個性化推薦造成了使用者接收資訊的收窄，排除了很多潛在的但使用者感興趣的東西。
所以在個性化推薦以外，一定會有其它補充推薦方式，比如b站的「實時最熱」、網易雲的「熱歌榜」、微博的熱搜話題榜，將「大眾化」作為「個性化」的補充。
個性化推薦技術
如果說過去的十年是搜尋技術大行其道的十年，那麼個性化推薦技術將成為未來十年中最重要的革新之一。目前幾乎所有大型的電子商務系統，如amazon cdnow netflix等，都不同程度地使用了各種形式的推薦系統。而近來以 發現 為核心的 正開始在網際網路上嶄露頭角，比如側重於 推薦的八寶盒，側重於圖書...
個性化推薦漫談
如果說過去的十年是搜尋技術大行其道的十年，那麼個性化推薦技術將成為未來十年中最重要的革新之一。目前幾乎所有大型的電子商務系統，如amazon cdnow netflix等，都不同程度地使用了各種形式的推薦系統。而近來以 發現 為核心的 正開始在網際網路上嶄露頭角，比如側重於 推薦的八 寶盒，側重於圖...
個性化推薦漫談
如果說過去的十年是搜尋技術大行其道的十年，那麼個性化推薦技術將成為未來十年中最重要的革新之一。目前幾乎所有大型的電子商務系統，如amazon cdnow netflix等，都不同程度地使用了各種形式的推薦系統。而近來以 發現 為核心的 正開始在網際網路上嶄露頭角，比如側重於 推薦的八 寶盒，側重於圖...