通过分析用户的历史记录来了解用户的喜好，从而主动为用户推荐其感兴趣的信息满足用户的个性化推荐需求；推荐系统研究用户的兴趣偏好，进行个性化计算，帮助用户从海量信息中去发掘自己潜在的需求；
推荐方法专家推荐：人工推荐，由资深专业人士来就行物品的筛选和推荐，需要较多的人力成本；
基于统计的推荐：基于统计信息的推荐，易于实现，但对用户个性化偏好的描述能力较弱；
基于内容的推荐：通过机器学习的方法描述内容的特征，基于内容的特征来发现与之相似的内容；
协同过滤推荐：应用最早和最成功的推荐方法之一，利用与目标用户相似的用户已有的商品评价信息，来预测目标用户对特定商品的喜好程度；
混合推荐：结合多种推荐算法来提升推荐效果；
