Slope One 算法是由 Daniel Lemire 教授在 2005 年提出的一个 Item-Based 推荐算法。 Slope One 算法试图同时满足这样的的 5 个目标：  易于实现和维护：普通工程师可以轻松解释所有的聚合数据，并且算法易于实现和测试。  运行时可更新的：新增一个评分项，应该对预测结果即时产生影响。  高效率的查询响应：快速的执行查询，可能需要付出更多的空间占用作为代价。  对初次访问者要求少：对于一个评分项目很少的用户，也应该可以获得有效的推荐。  合理的准确性：与最准确的方法相比，此方法应该是有竞争力的，准确性方面的微小增长不能以简单性和扩展性的大量牺牲为代价。