这篇文章主要是科普类的，介绍了主要的推荐算法有流行度推荐，基于内容推荐，协同过滤推荐以及混合推荐。流行度推荐是推荐现在最火热的内容给用户，基于内容的推荐是推荐给用户喜欢的类似的内容，协同滤波推荐主要介绍相似的物品和相似的用户的差异项给用户，混合推荐则将几种方法混合起来进行推荐。
推荐算法和机器学习系列 - 协同过滤推荐算法和余弦相似性算法
这篇文章主要介绍了协同过滤的具体方法和细节，告诉了协同过滤主要是有基于邻域协同过滤和基于模型的协同过滤算法，二基于邻域的协同过滤算法又可以分为基于用户和项的协同过滤算法，基于用户的协同过滤算法主要需要计算用户之间的余弦距离，相似度高的用户则可以互相推荐各自没有评价过的项，基于项的推荐内部计算也是采用余弦距离，但是得出的结论会和基于用户的又比较大的差别；基于模型的文章中只是一带而过，没有具体的深入。协同过滤的算法比较简单容易理解，在数据量不是很多大的情况下能够有把比较高的准确性，但是因为基于数据，很难给口味独到的人推荐，另外冷启动也是一个问题。