1分鐘瞭解基於內容的推薦，pm又懂了
前天的《1分鐘瞭解協同過濾，pm都懂了》，很多同學點了贊，今天接著用通俗的語言說說“基於內容的推薦”，也保證pm弄懂。
什麼是基於內容的推薦（Content-based Recommendation）？
答：通過使用者歷史感興趣的資訊，抽象資訊內容共性，根據內容共性推薦其他資訊。
比如，如何通過基於內容的推薦，來對求職者A進行職位推薦？
答：簡要步驟如下
-
找到使用者A歷史感興趣的職位集合
-
找到職位集合的具化內容
-
抽象具化內容的共性內容
-
由這些共性內容查詢其他職位，並實施推薦
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，假設分別是{zw1, zw2, zw3}，這些資料可以從歷史日誌得到。
（2）由職位集合得到職位具化內容
zw1 -> {程式設計師, 北京, 月薪8000, 3年經驗, 本科}
zw2 -> {程式設計師, 北京, 月薪6000, NULL, 研究生}
zw3 -> {程式設計師, 北京, 月薪6000, 5年經驗, NULL}
這些資料可以從職位資料庫裡得到。
（3）由職位具化內容抽象出職位共性資訊
例如，由上述職位1，職位2，職位3抽象出的共性職位資訊為：
{程式設計師, 北京, 月薪6000+, NULL, NULL}
（4）由這些共性內容查詢其他職位並實施推薦
以{程式設計師, 北京, 月薪6000+, NULL, NULL}為查詢條件，查詢職位資料庫，並按照一些規則進行排序（例如，最新發布的職位先推薦，點選過的職位不推薦等），完成推薦。
如果查詢的結果集過小，可以縮小條件召回，例如可以將查詢條件縮小為{程式設計師, 北京, 月薪3000+, NULL, NULL}
基於內容的推薦，原理如上，希望這1分鐘，大家能有收穫。
人肉推薦：
協同過濾，以及基於內容的推薦，都需要使用者的歷史日誌資訊，如果沒有歷史日誌資訊，如何對使用者進行推薦呢？靜候下一個1分鐘。
致敬 原創： 沈劍 架構師之路 3月16日