背景：隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，網(wǎng)絡(luò)上出現(xiàn)了各種各項(xiàng)的信息，這使得信息過載矛盾急劇上升。用戶在沒有明確的需求時(shí)，便無法從海量的數(shù)據(jù)中獲取感興趣的信息，同時(shí)，信息量的急劇上升也導(dǎo)致了大量的信息被淹沒，無法觸達(dá)一些潛在的用戶。如何從海量的數(shù)據(jù)中提取有用的信息變現(xiàn)的尤為迫切。推薦系統(tǒng)（Recommendation System，RS）的出現(xiàn)成為連接用戶和信息的橋梁，一方面可以幫助用戶找到有用的信息，另一方面可以將有用的信息傳遞給潛在用戶。

推薦的常用方法：協(xié)同過濾的推薦（Collaborative Filtering Recommendation）；基于內(nèi)容的推薦（Content-based Recommendation）；基于關(guān)聯(lián)規(guī)則的推薦（Association Rule-based Recommendation）；基于效用的推薦（Utility-based Recommendation）；基于知識(shí)的推薦（Knowledge-based Recommendation）；組合推薦（Hybrid Recommendation）

協(xié)同過濾算法推薦算法是通過用戶的行為中尋找特定的模式，并通過該模式為用戶產(chǎn)生有效推薦。它依賴系統(tǒng)中用戶的行為數(shù)據(jù)，如通過用戶看過一些電影，并且對(duì)這些電影寫過一些影評(píng)，利用這些評(píng)價(jià)推斷出該用戶的電影喜愛風(fēng)格。