1.推薦算法是計算機專業的壹個算法。通過壹些數學算法，我們可以推斷出用戶可能喜歡什麽。目前推薦算法比較好的地方主要是網絡，其中淘寶做的比較好。所謂推薦算法，就是利用用戶的壹些行為，通過壹些數學算法推斷出用戶可能喜歡什麽。所以不是手推。
2.推薦算法的研究起源於20世紀90年代，由明尼蘇達大學？GroupLens研究團隊最早開始研究，他們想做壹個名為Movielens的電影推薦系統，從而實現向用戶個性化推薦電影。
3.首先，研究團隊讓用戶對看過的電影進行評分，然後團隊分析用戶評價的結果，預測用戶對沒看過的電影的興趣，從而推薦沒看過、可能感興趣的電影。
算法分類:
1，基於內容。
基於內容的推薦是信息過濾技術的延續和發展。它是基於項目的內容信息來做推薦的，不需要基於用戶對項目的評價意見，更多的是需要使用機器學習的方法，從內容的特征所描述的案例中獲取用戶的興趣信息。
2.基於協同效應。
基於協同過濾的推薦算法技術是推薦系統中最早也是最成功的技術之壹。它壹般采用最近鄰技術，利用用戶的歷史偏好信息來計算用戶之間的距離，然後利用目標用戶的最近鄰用戶的評價來預測用戶對某個特定商品的偏好，從而根據這個偏好來推薦目標用戶。
3.基於關聯規則。
基於關聯規則的推薦是以關聯規則為基礎，以購買的商品為規則頭，以規則體為推薦對象。挖掘關聯規則可以發現不同商品在銷售過程中的相關性，並已成功應用於零售業。