2.3.1　完全非个性化范式

完全非个性化范式就是对所有用户推荐一样的标的物列表，一般各种榜单就是这类推荐，如最新榜、最热榜等。这类排行榜就是基于某个规则来对标的物进行降序排列，将排序后的标的物取topN推荐给用户。比如最新榜可以根据标的物上线的时间顺序来倒序排列，取前面的topN推荐给用户。最热榜可以根据用户播放量（点击量）降序排列。

其中可能需要考虑标的物的多品类特性，甚至还要考虑地域、时间、价格等各个维度。在具体实施时会比较复杂，需要根据具体的产品及业务场景来设计。

非个性化范式可以基于简单的计数统计来生成推荐，基本上不会用到很复杂的机器学习算法。当然，用来取topN的排行榜计算公式可能会整合各类用户行为数据，因而比较复杂（如豆瓣评分公式就比较复杂）。

基于非个性化范式的计算排行榜使用的算法实现起来很简单，可解释性也很强。虽然每个用户推荐的内容都一样，但是人都是有从众心理的，对于大家都喜欢的东西，我们也喜欢的概率应该很大，所以这类推荐的效果还是非常不错的。这类算法也可以作为冷启动或者默认的推荐算法。