利用数百万的人的意见帮助我们发现更有用和更有趣的内容。
为用户提供支付得起，个性化，匹配程度高的产品是推荐系统的核心问题。
技术层面上，尽可能利用可用的信息和知识，在设计交互过程中考虑到心理层面提高推荐的信任度。
个性化推荐需要推荐系统维持一个用户模型保存用户喜好。用户的偏好可以通过监测用户行为隐式的提取，也可以通过显示的询问用户。
协同过滤推荐的优点在于系统不需要获取维护物品的内容数据，例如说我们不需要知道书的内容体裁作者。
基于内容的推荐优点在于不需要大规模的用户，同时一旦得到物品的属性立刻可以进行推荐，冷启动问题被解决。在某些领域关于物品的内容可以实现自动抽取，例如文本提取。在很多领域，更为主观的物品特征（如好用，设计精巧）也可能对于推荐有用，但是这种特征很难获取，必须人工输入，过程投入大而且难以监管。
