大部分推薦引擎的工作原理是基于物品或者用戶的相似集進行推薦涕烧，所以可以對推薦機制進行以下分類汗洒。
基于人口統(tǒng)計學(xué)的推薦：根據(jù)系統(tǒng)用戶的基本信息發(fā)現(xiàn)用戶的相關(guān)程度。
基于內(nèi)容的推薦：根據(jù)推薦物品或內(nèi)容的元數(shù)據(jù)瞻凤，發(fā)現(xiàn)物品或者內(nèi)容的相關(guān)性阀参。
基于協(xié)同過濾的推薦：根據(jù)用戶對物品或者信息的偏好瞻坝，發(fā)現(xiàn)物品或者內(nèi)容本身的相關(guān)性，或者是發(fā)現(xiàn)用戶的相關(guān)性。
