Machine Learning & DSContent-based filtering — gợi ý dựa trên đặc trưng của item và hồ sơ sở thích của chính người dùng. Nếu bạn thích phim khoa học viễn tưởng, hệ gợi phim sci-fi khác.
- Ưu: không cần dữ liệu người dùng khác; xử lý được item mới (miễn có đặc trưng); dễ giải thích.
- Nhược: cần đặc trưng item chất lượng; khó khám phá ngoài vùng sở thích cũ (over-specialization).
Collaborative filtering — gợi ý dựa trên hành vi/đánh giá của nhiều người dùng, tìm mẫu tương đồng: "người giống bạn cũng thích X". Có dạng user-based, item-based, hoặc ma trận phân rã (matrix factorization) học embedding tiềm ẩn.
- Ưu: không cần đặc trưng item; khám phá được sở thích bất ngờ.
- Nhược: cold-start (người/mục mới chưa có tương tác); ma trận tương tác thưa (sparse); thiên vị mục phổ biến.
Thực tế hệ lớn thường lai (hybrid) — kết hợp cả hai để bù nhược điểm của nhau.