背景：随着互联网技术的高速发展，网络上出现了各种各项的信息，这使得信息过载矛盾急剧上升。用户在没有明确的需求时，便无法从海量的数据中获取感兴趣的信息，同时，信息量的急剧上升也导致了大量的信息被淹没，无法触达一些潜在的用户。如何从海量的数据中提取有用的信息变现的尤为迫切。推荐系统（Recommendation System，RS）的出现成为连接用户和信息的桥梁，一方面可以帮助用户找到有用的信息，另一方面可以将有用的信息传递给潜在用户。
推荐的常用方法：协同过滤的推荐（Collaborative Filtering Recommendation）；基于内容的推荐（Content-based Recommendation）；基于关联规则的推荐（Association Rule-based Recommendation）；基于效用的推荐（Utility-based Recommendation）；基于知识的推荐（Knowledge-based Recommendation）；组合推荐（Hybrid Recommendation）
协同过滤算法推荐算法是通过用户的行为中寻找特定的模式，并通过该模式为用户产生有效推荐。它依赖系统中用户的行为数据，如通过用户看过一些电影，并且对这些电影写过一些影评，利用这些评价推断出该用户的电影喜爱风格。
