基于內(nèi)容推薦算法：基于物品或內(nèi)容的特征，發(fā)現(xiàn)物品之間的相似性，然后基于用戶以前的喜好記錄推薦給用戶相似的物品。本質(zhì)是對(duì)物品或內(nèi)容進(jìn)行分析建立特征，基于用戶對(duì)什么特征的內(nèi)容感興趣以及分析一個(gè)物品具備什么特征來(lái)做推薦。不考慮用戶之間的關(guān)系，只關(guān)注物品本身的特征，根據(jù)Item獲得與之特征相似的Item進(jìn)行推薦。簡(jiǎn)單來(lái)說(shuō)就是根據(jù)用戶之前喜歡的物品，通過(guò)對(duì)特征的匹配分析，預(yù)測(cè)用戶的喜好。

基于用戶的協(xié)同過(guò)濾推薦算法：尋找與目標(biāo)用戶有相同喜好的鄰居，然后根據(jù)鄰居的喜好向目標(biāo)用戶進(jìn)行推薦?；驹砭褪抢糜脩粼L問(wèn)行為的相似性來(lái)推薦用戶可能感興趣的資源。根據(jù)用戶-物品的評(píng)分矩陣，計(jì)算用戶的相似度，根據(jù)相似用戶的喜好進(jìn)行推薦。主要關(guān)注User與Item之間的關(guān)聯(lián)，與具體Item本身的特征沒(méi)有關(guān)系，基于相似用戶會(huì)喜歡相似物品的假設(shè)進(jìn)行推薦。簡(jiǎn)單來(lái)說(shuō)就是根據(jù)和某一用戶有相似喜好的其他用戶的喜好，從而預(yù)測(cè)該用戶對(duì)物品的可能喜好。

差別在于：協(xié)同過(guò)濾必須要有用戶行為，基于內(nèi)容的推薦不考慮用戶行為。冷啟動(dòng)階段只能用基于內(nèi)容的推薦，因?yàn)闆](méi)有用戶行為數(shù)據(jù)，積累一段時(shí)間用戶行為數(shù)據(jù)后才可以使用協(xié)同過(guò)濾。

從用途上來(lái)說(shuō)，協(xié)同過(guò)濾適合給用戶帶點(diǎn)新鮮感的使用場(chǎng)景，如“逛”淘寶的用戶；而基于內(nèi)容推薦更適合用戶焦點(diǎn)比較集中的使用場(chǎng)景，如垂直領(lǐng)域的內(nèi)容推送。