基于知识的推荐方法
基本思想 通过交互、会话等方式直接了解到用户需求（“问”），然后再寻找匹配的视频（“找”） 解决思路优点 不存在冷启动的问题由于与用户存在互动，用户偏好发生改变时不需要任何训练 缺点 知识获取比较困难用户必须说明他的需求，系统才能够做出推荐，在这个过程中若找不到合适的推荐视频，用户需要修改其需求
约束知识和约束推荐算法
概述 主要面向人工智能，构建if-else推荐规则 算法流程 输入 目标用户 u 的特定需求 输出 针对目标用户 u 的推荐列表 需要解决的问题 创建推荐任务推荐任务的解决，如果找不到，需要修改约束条件 冲突集诊断集 删除约束条件，冲突解决否则，寻找最小冲突集和诊断集，跳转到第一步 流程 建立针对目标用户 u 的特定需求的推荐任务对物品集合 I 进行以集合 R 为选择标准的合取查询，若非空，跳转到第6步，若为空，跳转到第3步检测集合R中最小的冲突集CS针对最小冲突集CS创建最小诊断集建立针对目标用户 u 的特定需求的推荐任务创建针对目标用户 u 的推荐列表
关联知识与关联推荐算法
概述 利用数据挖掘理论构建基于数据规律的自动学习的推荐规则 算法 频繁项挖掘：Apriori DHP算法Tree Projection算法FP-tree算法等等 算法流程 输入 n 个用户画像 输出 针对目标用户 u 的Top-N推荐列表 流程 从系统中的 n 个用户画像挖掘出所有的强关联规则，建立集合 P 以表示目标用户 u 尚未观看但极可能感兴趣的视频再次使用置信度对集合 P 中的视频进行高低排序取出排序列表中的前 N 个视频构成 Top-N推荐列表
