通過機(jī)器學(xué)習(xí)的方法預(yù)測(cè)用戶對(duì)商品的喜好程度。常規(guī)的應(yīng)用在推薦中的機(jī)器學(xué)習(xí)方法包括關(guān)聯(lián)分析、聚類算法、回歸算法、分類算法等，隨著神經(jīng)網(wǎng)絡(luò)的研究和發(fā)展，基于神經(jīng)網(wǎng)絡(luò)的推薦算法也日漸火爆。神經(jīng)協(xié)調(diào)過濾為例，是根據(jù)隱性反饋來推斷用戶的偏好值，可以很好的提升模型泛化能力，流程如下圖所示。