目前使用比較普遍的個性化推薦算法有三種，分別是：協同過濾推薦算法、基于內容的推薦算法和基于社交網絡的推薦算法。

　　1、協同過濾推薦算法

　　該算法的基本思想是，如果你的朋友或者親戚購買了某件商品并且評價不錯，那么你很有可能也會購買該商品。根據相似度比較的對象不同，可以細分為基于用戶的推薦和基于物品的推薦。在用該算法的有Amazon等一些電商平臺。

　　a）基于用戶的近鄰推薦

　　基于用戶的協同推薦的基本思想是：尋找當前用戶的近鄰(即計算用戶之間的相似性)，從而根據近鄰的喜好預測你也可能喜歡什么。

　　b）基于物品的近鄰推薦

　　該算法的核心是計算物品兩兩之間的相似度，從而為用戶推薦相似的物品。當需要對用戶推薦物品A時，通過確定與A相似的物品B，計算用戶對這些近鄰物品B評分的加權總和來得到用戶對物品A的預測評分。

　　2、基于內容的推薦算法

　　基于內容的推薦與協同過濾推薦不同，它不需要用戶對物品的評分數據，也不需要比較多個用戶或多個物品之間的相似度。該算法的基本思想是根據用戶的歷史興趣數據，建立用戶模型，然后針對推薦物品的特征描述進行特征提取，后將物品特征與用戶模型相比較，相似度較高的物品就可以得到推薦。

　　基于內容的推薦目前主要應用于文本、視頻、音頻的推薦，比如新聞、視頻和電臺等。

　　3、基于社交網絡的推薦算法

　　基于社交網絡的推薦是協同過濾推薦在社交網絡中的延伸，同時又具有基于網絡結構推薦的特點。大體上可以分為兩類，即基于鄰域的社交網絡推薦和基于網絡結構的社交網絡推薦。

　　a）基于鄰域的社交網絡推薦

　　其基本思想是查詢社交網絡中當前用戶所有的好友，根據好友的興趣數據，向當前用戶推薦好友喜歡的物品集合。

　　b）基于網絡結構的社交網絡推薦

　　該算法把用戶、用戶的好友、用戶的喜好和好友的喜好連接起來形成一個社交網絡結構圖。同時，根據用戶之間的熟悉程度和喜好相似度，來定義用戶之間和用戶的喜好之間的權重，然后選擇與用戶沒有直接相關的物品，按照優先級別生成推薦列表。