（一）协同过滤（CF）大致可分为：基于邻域的推荐、基于模型的推荐

1.基于邻域的协同过滤有：

• 基于用户的协同过滤：与用户A相似的用户B，推荐用户A喜欢的物品给B
• 基于物品的协同过滤：推荐与用户A历史上喜欢的物品相近的物品

2.基于模型的推荐：使用部分机器学习算法，找出用户与项的相互作用模型，从而找出数据中的特定模式。

其中之前研究的NMF模型就是其中的一种，NMF属于基于模型的协同过滤算法的矩阵分解的一种方法,再推荐领域叫ALS（交替最小二乘），而NMF作为矩阵分解的非负的一种方法。

（二）基于内容的推荐：基于标签，标题，用户评价，浏览记录等推荐

（三）基于关联规则的推荐，购买X后，又购买Y的概率，进行推荐

（四）基于流行度推荐算法：这是一种推荐流行项的方法(例如最多下载、最多看过、最大影响的项)

（五）混合推荐：以上各种方法加权综合推荐