[[434718]]

工程架構方向的程序員，看到推薦/搜索/廣告等和算法相關的技術，心中或多或少有一絲膽怯。但認真研究之后，發現其實沒有這么難。

今天給大家介紹下推薦系統中的“基于內容的推薦”，絕無任何公式，保證大伙弄懂。

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

答：通過用戶歷史感興趣的信息，抽象信息內容共性，根據內容共性推薦其他信息。

比如，如何通過基于內容的推薦，來對求職者A進行職位推薦?

答：簡要步驟如下：

(1)找到用戶A歷史感興趣的職位集合;

(2)找到職位集合的具化內容;

(3)抽象具化內容的共性內容;

(4)由這些共性內容查找其他職位，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，假設分別是{zw1, zw2, zw3}，這些數據可以從歷史日志得到。

(2)由職位集合得到職位具化內容

zw1 -> {程序員, 北京, 月薪8000, 3年經驗, 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年經驗, NULL} 

這些數據可以從職位數據庫里得到。

(3)由職位具化內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，查詢職位數據庫，并按照一些規則進行排序

(例如，最新發布的職位先推薦，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”原創稿件，轉載請聯系原作者】

戳這里，看該作者更多好文