推荐算法之基于内容的推荐

基于内容的推荐定义：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。

适用场景：用户量少，但是用户操作的事物多

还是以推荐电影为例子：

简要步骤：

a.找到用户感兴趣的电影集合（同样，如何定义感兴趣是个难点，浏览过？点赞过？观看过？）

b.找到这些电影的具体内容（导演？电影类型？主演？字幕类型？具体定义维度也是个难点）

c.抽象具体内容的共性内容

d.由这些共性内容找到其他电影，进行推荐

具体步骤

（1）找到用户的感兴趣电影集合

假设用户感兴趣的电影集合为{m1,m2,m3}

（2）定义这些电影的具体内容，假设我们以{导演，电影类型，男主角，女主角，字幕类型，时长}为维度来定义

m1->{导演1，剧情片，男主角1，女主角1，中文，100分钟}

m2->{导演2，剧情片，男主角1，女主角2，中文，96分钟}

m1->{导演1，剧情片，男主角1，女主角1，中文，120分钟}

这些数据都可以在数据库中拿到

（3）由具体内容来抽象共性内容

例如，上面的内容的共性化电影信息是 {null,剧情片，男主角1，中文，96+分钟}

（4）以共性内容查找其他电影

以 {null,剧情片，男主角1，中文，96+分钟} 为条件，查询电影数据库，并按照一些规则排序（例如以电影的上映时间倒序，点击过的电影不推荐），完成推荐

如果完成的查询的结果集太小，这可以缩小条件查询，例如，可以把时长修改为 80+ 分钟，即按照 {null,剧情片，男主角1，中文，80+分钟}条件进行查询

基于内容的推荐的难点在于：

1.如何定义用户感兴趣的事务集合？（跟协同过滤算法一样）

2.如何定义具体内容的的维度？

至于用户的操作集合倒不是难点， 用户一般都会有一些动作

参考文章：http://mp.weixin.qq.com/s/aFRMSpqLDMtUIrAOYnbfWA