一、协同过滤推荐技术
一般传统的协同过滤推荐技术都是采用最近邻技术：根据系统中用户对共同评分的商品项目的历史评分信息，从而找到他们之间的相似性，生成一个最近邻居用户集合，邻居集合里的邻居和当前用户兴趣爱好相似；再利用邻居集合里的用户的评分信息，推断当前用户对推荐的目标商品的喜好程度；最后根据预测的喜好程度做出是否向当前用户推荐该目标商
品项目的决策。
二、矩阵分解(Matrix Factorization，简写为 MF)技术
就是找一个近似矩阵ˆR ，使得原始矩阵 R 中的实际评分与ˆR 中的预测评分之间的距离平方和最小。（评分为用户为某一项目的打分）
三、梯度下降法
就是利用负梯度方向来决定每次迭代的新的搜索方向，使得每次迭代都能使待优化的目标函数逐步减小，最后能逼近目标函数的极值点。