基于内容的推荐

地位：最早被使用的推荐算法，使用广泛，效果较好

定义：给用户推荐之前喜欢的物品，或是相似的物品。即U2I2I、U2Tag2I

案例：
用户向量：[3 2 1]([动作片  科幻片  周星驰])
物品向量:绿巨人[1 1 0]、钢铁侠[1 1 0]、蜘蛛侠[1 1 0]、功夫[1 0 1]
按照上面步骤进行计算，得到不同影片的余弦相似度。

优点：

1. 不需要其他用户的数据
2. 能给具备独特口味的人推荐
3. 可以推荐最新版和冷门的物品
4. 容易做推荐结果的解释

 缺点：

1. 很难找到能表达物品的标签，有时候需要人工打标签
2. 过于局限于自己的世界，无法挖掘出用户潜在的兴趣
3. 新用户内有行为，无法做到推荐