自20世纪90年代中期以来，推荐系统已成为一个重要的研究领域。对该研究领域的兴趣仍然很高，因为一方面，这些应用程序帮助用户查找相关项目，另一方面，这些系统对于检索由于用户不知道其存在而无法访问的项目是有用的。此类应用程序的示例包括亚马逊上的电影，新闻和书籍以及其他产品的推荐。
最初开发推荐系统是为了建议根据个人用户的偏好量身定制的项目或服务。然而，存在这样的情况：一组用户共同参与单个活动，例如观看电影或在城市观光。对于这种情况，我们需要一些技术来解决为一组用户确定建议的问题，并尽可能地满足该组中几乎所有个人的需求。
小组推荐系统的一个动机; 在经济学，政治学和社会学中与社会选择（也称为群体决策制定）相关的领域，我们希望根据其组成个体的不同意见来决定什么对群体最有利，也说明群体建议的重要性。
在元搜索，数据库中间件，协同过滤和多代理系统领域也研究了群组推荐的问题。例如，在元搜索中，由多个搜索引擎生成的排名列表必须合并为一个列表; 这个问题被称为排名聚合问题。数据库中间件涉及在为每个对象分配与多个字段相关的数值时对对象的排序。在多智能体系统中，代理人必须利用合理的决策，不仅从个人的角度来看，而且从社会的角度来看。因此，我们可以说群体推荐尝试识别整个群体而非单个群体成员欢迎的项目。
大多数关于群体推荐的研究都侧重于研究用于推荐生成的核心算法。到目前为止，已经使用两种主要策略来产生群体建议。这些技术涉及将个体预测聚合到组预测（聚合预测）或将单个模型聚合到组模型（聚合模型）中。
这些策略在数据聚合步骤的时间上有所不同。在聚合预测策略中，基于个体偏好模型生成个体预测，然后将其聚合到组预测中。另一种策略是在执行项目推荐之前构建群组偏好模型。换句话说，在聚合模型策略中，将各个用户模型合并到基于组的模型中，然后使用聚合组模型生成推荐。然而，许多研究表明，群体推荐是一项比个人推荐要复杂得多的任务，当考虑到群体被阻止传统推荐技术有效地执行项目推荐给群体时，会出现各种挑战。
推荐系统是为用户使用的项目提供建议的工具和技术。推荐系统通常旨在帮助用户从绝大多数项目中找到他们可能感兴趣的项目; 这样的系统试图基于用户的偏好和约束来预测最合适的产品或服务。
推荐系统使用的一般数据分类使用三类：项目，用户和交易，即用户和项目之间的关系。
1.
1。
项目是推荐的对象。项目的特征可以在于它们的复杂性和价值或效用。
2.
2。
推荐系统的用户可具有非常多样化的目标和特征。为了个性化其推荐，推荐系统试图利用有关其用户的信息。这些信息可以通过多种方式构建; 选择要建模的信息取决于所使用的推荐技术。
3.
3。
交易是用户和推荐系统之间的记录交互。事务是对推荐生成算法有用的数据。评级是推荐系统收集的最流行的交易数据形式。其他类型的交易数据可以包括阅读历史或用户利用她提供的推荐的频率。评级可以采用多种形式，例如数字评级，序数评级和二进制评级。
推荐系统可用于各种目的，如在识别推荐系统可以协助的典型任务时所述，例如下面列出的主题。
・
查找所需项目：此任务涉及为用户查找项目的排名列表，并预测用户对项目的喜好程度（例如星级）。
・
查找所有需要的项目：此任务涉及查找用户感兴趣的所有项目，而不仅仅是一些项目。有时需要为用户找到所有可能的项目，而不仅仅是其中一些项目。例子包括医疗，财务和法律情况，如果存在误报可能会产生巨大影响。
・
在上下文中提供注释：此任务涉及在用户的当前上下文中查找有用的项。例如，系统可以提供诸如“当在用户正在搜索电影时在这个特定上下文（圣诞节）中购买该项目的顾客也购买了这个”或“类似电影”的推荐。
・
查找推荐序列：此任务涉及为“整体愉快”的用户查找项目序列，而不是仅根据各个组件匹配用户的首选项。这种推荐系统的示例包括歌曲播放列表生成和Spotify中的无线电功能。
・
简单浏览：此任务涉及通过提供与其相关的建议来帮助希望浏览一组项目的用户。这些建议由各种服务提供，包括Amazon.com和eBay。
・
寻找可靠的推荐者：有些用户倾向于不信任推荐系统。他们可以试验系统并观察系统在不同设置中的行为，例如，通过更改其配置文件。推荐系统还可以通过包括推荐结果中给定项目的原因来帮助确定其可信度，例如，“因为您收听了xy，因此推荐了这首歌”。
・
通过评级项目改进一个人的个人资料：用户可以通过允许算法更好地理解用户喜欢的项目类型来帮助改进推荐算法的结果。
・
表达自己：用户也可以评价项目，因为他们喜欢这样做，因为他们喜欢表达自己并感觉良好。在这里，主要目标不是改善推荐系统的结果，而是表达一个人对某个项目的感受。
・
帮助他人：评价项目的主要目标也可能是帮助他人。例如，如果用户对旅游公司有不良体验，则在诸如tripadvisor.com之类的网站上发布响应和评级以警告其他人可能是用户使用推荐系统的动机。
・
影响他人：推荐系统可用于促进业务。hotels.com和tripadvisor.com等网站可用于为酒店以及其他设施和服务分配评级。不道德的方法，例如鼓励个人（例如员工）为一个企业分配大量高评级，同时为竞争对手分配较低的评级，可用于促进业务。
推荐技术可以使用几种不同的分类。这些分类基于用作推荐输入的数据。在以下部分中，我们将介绍文献中提出的这种分类，并将提供对各种类型的推荐系统的调查。推荐系统通常根据推荐方式分为以下几类：