前天的《1分鐘了解“協(xié)同過濾”》，很多同學(xué)點了贊，今天接著用通俗的語言說說“基于內(nèi)容的推薦”，也保證pm弄懂。

[[223544]]

什么是基于內(nèi)容的推薦(Content-based Recommendation)?

答：通過用戶歷史感興趣的信息，抽象信息內(nèi)容共性，根據(jù)內(nèi)容共性推薦其他信息。

比如，如何通過基于內(nèi)容的推薦，來對求職者A進行職位推薦?

答：簡要步驟如下

• 找到用戶A歷史感興趣的職位集合
• 找到職位集合的具化內(nèi)容
• 抽象具化內(nèi)容的共性內(nèi)容
• 由這些共性內(nèi)容查找其他職位，并實施推薦

具體實施步驟如何?

答：簡要步驟如下

(1)得到求職者A訪問過三個職位，假設(shè)分別是{zw1, zw2, zw3}，這些數(shù)據(jù)可以從歷史日志得到。

(2)由職位集合得到職位具化內(nèi)容

• zw1 -> {程序員, 北京, 月薪8000, 3年經(jīng)驗, 本科}
• zw2 -> {程序員, 北京, 月薪6000, NULL, 研究生}
• zw3 -> {程序員, 北京, 月薪6000, 5年經(jīng)驗, NULL}

這些數(shù)據(jù)可以從職位數(shù)據(jù)庫里得到。

(3)由職位具化內(nèi)容抽象出職位共性信息

例如，由上述職位1，職位2，職位3抽象出的共性職位信息為：

{程序員, 北京, 月薪6000+, NULL, NULL} 

(4)由這些共性內(nèi)容查找其他職位并實施推薦

以{程序員, 北京, 月薪6000+, NULL, NULL}為查詢條件，查詢職位數(shù)據(jù)庫，并按照一些規(guī)則進行排序(例如，***發(fā)布的職位先推薦，點擊過的職位不推薦等)，完成推薦。

如果查詢的結(jié)果集過小，可以縮小條件召回，例如可以將查詢條件縮小為{程序員, 北京, 月薪3000+, NULL, NULL}

基于內(nèi)容的推薦，原理如上，希望這1分鐘，大家能有收獲。

【本文為51CTO專欄作者“58沈劍”原創(chuàng)稿件，轉(zhuǎn)載請聯(lián)系原作者】

戳這里，看該作者更多好文