推薦系統大致分為兩類：一般的推薦（general recommendation）和序列化推薦（sequential recommendation），簡單來講，就是根據需不需要考慮時間順序來進行划分，前者將用戶偏好視為靜態的，學習用戶和物品的靜態表示，后者認為用戶偏好隨時間動態變化，根據交互序列來預測用戶下一個可能喜歡的物品。
一、一般的推薦
二、序列推薦
序列推薦又叫next item/Basket Recommendation(下一個物品推薦)。在評價的時候會有時間限制。評價指標認為用戶在系統推薦完之后的一段時間內訪問推薦的地點才算命中，如果超過一個時間段才訪問推薦的內容則認為是無效的推薦。
Top-N序列推薦將每個用戶建模為過去交互過的物品的序列，目的是預測用戶可能在“不久的將來”進行交互的Top-N個物品。交互順序意味着序列模式在序列中的最近項對下一項的影響起着重要作用。