Mahout有很多推荐的实现，下面对各自特点进行介绍：
1、GenericUserBasedRecommender：
基于用户的推荐，用户数量相对较少时速度较快。
2、GenericItemBasedRecommender：
基于物品的推荐，物品数量较少时速度较快，外部提供了物品相似度数据后会更加有效率。
3、SlopeOneRecommender：
基于slope-one算法（想想那个填空的表格吧）的推荐，在线推荐或更新比较快，需要先下大量的预处理运算。物品数量相对较少时使用比较合适。
4、SVDRecommender：
效果不错，和slope-one一样，事先需要大量的预处理运算。
5、KnnItemBasedRecommender：
基于最近邻算法的推荐器，物品数量较小时表现良好。
6、TreeClusteringRecommender：
基于聚类的推荐器，在线推荐较快，同时也需要事先大量预处理运算，用户数量相对较少时表现良好。
原文：http://my.oschina.net/CandyDesire/blog/338853