第1个回答 2022-06-14
基于内容的推荐，它是建立在项目的内容信息上作出推荐的，而不需要依据用户对项目的评价意见，更多地需要用 机器学习的方法 从关于内容的特征描述的事例中得到用户的兴趣资料，再考察用户资料与待预测项目的相匹配程度。
基于内容的推荐系统一个难点在于如何找到两个项目之间的相似点，要找项目之间的相似点，就必须要对项目有比较明确的特征描述方式。
对于推荐项目目前没有统一的标准进行描述，主要有 基于内容的方法 和 基于分类的方法 两大类方法。
针对文档类对象的这两个表示方法给予分析：
• 基于内容的方法是从对象本身抽取信息来表示对象，使用得最广泛的方法是用加权关键词矢量，该方法通过对一组文档的统计分析得出文档的特征向量；比如你看了哈利波特I，基于内容的推荐算法发现哈利波特II-VI，与你以前观看的在内容上面（共有很多关键词）有很大关联性，就把后者推荐给你，这种方法可以避免Item的冷启动问题。
• 基于分类的方法是把推荐对象放入不同类别中，这样可以把同类文档推荐给对该类文档感兴趣的用户了。如果用户之前阅读过科技类的文章，或者用户的个人资料显示科技相关，而刚好有一篇文章也是科技类的，那么就算可以把这篇文章推荐给用户。
大纲如下：
第一部分：简单了解个性化推荐系统；
第二部分：协同过滤推荐之基于用户的协同过滤推荐（以麦包包为例）；
第三部分：协同过滤推荐之基于项目的协同过滤推荐（以亚马逊为例）；
第四部分：基于内容的个性化推荐
第五部分：混合的推荐机制