為推薦系統(tǒng)選擇正確的推薦算法非常重要，而可用的算法很多，想要找到最適合所處理問題的算法還是很有難度的。這些算法每種都各有優(yōu)劣，也各有局限，因此在作出決策前我們應當對其做以衡量。在實踐中，我們很可能需要測試多種算法，以便找出最適合用戶的那種；了解這些算法的概念以及工作原理，對它們有個直觀印象將會很有幫助。
　　推薦算法通常是在推薦模型中實現(xiàn)的，而推薦模型會負責收集諸如用戶偏好、物品描述這些可用作推薦憑借的數(shù)據(jù)，據(jù)此預測特定用戶組可能感興趣的物品。
　　主要的推薦算法系列有四個（表格1-4）：
　　協(xié)同過濾（Collaborative Filtering）的推薦算法
　　基于內(nèi)容過濾（Content-based Filtering）的推薦算法
　　混合型推薦算法
　　流行度推薦算法
　　此外，還有很多高級或非傳統(tǒng)的方式，可參見表格5。
　　本文是系列文中的第一篇，將會以表格形式來介紹推薦算法的主要分類，包括算法簡介、典型的輸入內(nèi)容、常見的形式及其優(yōu)劣。在系列文的第二與第三篇中，我們將會更詳細地介紹各種算法的不同，以便讓大家更深入地理解其工作原理。本文的某些內(nèi)容是基于一篇2014年的推薦算法2014教程《推薦問題再探（Recommender Problem Revisited）》來撰寫的，該文的作者是Xavier Amatriain。
　　表格一：協(xié)同過濾推薦算法概覽