推荐系统项目基础（五）基于内容的推荐

基于内容的推荐算法

所谓基于内容的推荐算法(Content-Based Recommendations)是基于标的物相关信息、用户相关信息及用户对标的物的操作行为来构建推荐算法模型，为用户提供推荐服务。这里的标的物相关信息可以是对标的物文字描述的metadata信息、标签、用户评论、人工标注的信息等。或者是本身内容的相关标签（例如通过tfidf，Word2vec的方式进行向量计算）。

其核心是基于画像（特征）进行推送。

实施步骤：

• 构造物品的特征是属性
• 计算物品之间的相识度，相识度的计算依赖于属性值，相识度的算法可以是pearson系数，consin相识度，欧式距离等
• 计算用户对相似物品的喜好程度
• 推送评分高的物品给用户

基于内容与基于物品推荐的区别

基于内容与基于物品协同过滤推荐的相同点

• 都是基于物品的相似度计算得到的

基于内容与基于物品协同过滤推荐的区别

• 基于物品协同过滤中需要从实际生产数据中获取信息，通过用户与物品的矩阵获取物品的相似度
• 针对内容的获取，不需要线上的数据，只需要内容中进行提取向量即可