基于内容的推荐算法概览

　为推荐系统选择正确的推荐算法非常重要，而可用的算法很多，想要找到最适合所处理问题的算法还是很有难度的。这些算法每种都各有优劣，也各有局限，因此在作出决策前我们应当对其做以衡量。在实践中，我们很可能需要测试多种算法，以便找出最适合用户的那种；了解这些算法的概念以及工作原理，对它们有个直观印象将会很有帮助。
　　推荐算法通常是在推荐模型中实现的，而推荐模型会负责收集诸如用户偏好、物品描述这些可用作推荐凭借的数据，据此预测特定用户组可能感兴趣的物品。
　　主要的推荐算法系列有四个（表格1-4）：
　　协同过滤（Collaborative Filtering）的推荐算法
　　基于内容过滤（Content-based Filtering）的推荐算法
　　混合型推荐算法
　　流行度推荐算法
　　此外，还有很多高级或非传统的方式，可参见表格5。
　　本文是系列文中的第一篇，将会以表格形式来介绍推荐算法的主要分类，包括算法简介、典型的输入内容、常见的形式及其优劣。在系列文的第二与第三篇中，我们将会更详细地介绍各种算法的不同，以便让大家更深入地理解其工作原理。本文的某些内容是基于一篇2014年的推荐算法2014教程《推荐问题再探（Recommender Problem Revisited）》来撰写的，该文的作者是Xavier Amatriain。
　　表格一：协同过滤推荐算法概览