1分钟了解基于内容的推荐，pm又懂了

前天的《1分钟了解“协同过滤”》，很多同学点了赞，今天接着用通俗的语言说说“基于内容的推荐”，也保证pm弄懂。

什么是基于内容的推荐（Content-based Recommendation）？

答：通过用户历史感兴趣的信息，抽象信息内容共性，根据内容共性推荐其他信息。

比如，如何通过基于内容的推荐，来对求职者A进行职位推荐？

答：简要步骤如下

• 找到用户A历史感兴趣的职位集合
• 找到职位集合的具化内容
• 抽象具化内容的共性内容
• 由这些共性内容查找其他职位，并实施推荐

具体实施步骤如何？

答：简要步骤如下

（1）得到求职者A访问过三个职位，假设分别是{zw1, zw2, zw3}，这些数据可以从历史日志得到。

（2）由职位集合得到职位具化内容

zw1 -> {程序员, 北京, 月薪8000, 3年经验, 本科}

zw2 -> {程序员, 北京, 月薪6000, NULL, 研究生}

zw3 -> {程序员, 北京, 月薪6000, 5年经验, NULL}

这些数据可以从职位数据库里得到。

（3）由职位具化内容抽象出职位共性信息

例如，由上述职位1，职位2，职位3抽象出的共性职位信息为：

{程序员, 北京, 月薪6000+, NULL, NULL}

（4）由这些共性内容查找其他职位并实施推荐

以{程序员, 北京, 月薪6000+, NULL, NULL}为查询条件，查询职位数据库，并按照一些规则进行排序（例如，最新发布的职位先推荐，点击过的职位不推荐等），完成推荐。

如果查询的结果集过小，可以缩小条件召回，例如可以将查询条件缩小为{程序员, 北京, 月薪3000+, NULL, NULL}

基于内容的推荐，原理如上，希望这1分钟，大家能有收获。

人肉推荐：

《1分钟了解协同过滤，pm都懂了》

协同过滤，以及基于内容的推荐，都需要用户的历史日志信息，如果没有历史日志信息，如何对用户进行推荐呢？ 静候下一个1分钟。