1分钟了解基于内容的推荐，pm又懂了

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

什么是分钟基于内容的推荐(Content-based Recommendation)?

答：通过用户历史感兴趣的信息，抽象信息内容共性，解基根据内容共性推荐其他信息。于内又懂

比如，推荐如何通过基于内容的分钟推荐，来对求职者A进行职位推荐?解基

答：简要步骤如下

找到用户A历史感兴趣的高防服务器职位集合 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?于内又懂

答：简要步骤如下

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

(2)由职位集合得到职位具化内容

zw1 -> { 程序员,解基 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，于内又懂由上述职位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，***发布的站群服务器职位先推荐，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。

【本文为专栏作者“58沈剑”原创稿件，转载请联系原作者】

戳这里，看该作者更多好文

很赞哦!（425）