前天的《1分钟了解“协同过滤”》，很多同学点了赞，今天接着用通俗的语言说说“基于内容的推荐”，也保证pm弄懂。
什么是基于内容的推荐（Content-based Recommendation）？
答：通过用户历史感兴趣的信息，抽象信息内容共性，根据内容共性推荐其他信息。
比如，如何通过基于内容的推荐，来对求职者A进行职位推荐？
答：简要步骤如下
找到用户A历史感兴趣的职位集合
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？
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{zw1, zw2, zw3}，这些数据可以从历史日志得到。
（2）由职位集合得到职位具化内容
zw1 -> {程序员, 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，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，最新发布的职位先推荐，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。
人肉推荐：
协同过滤，以及基于内容的推荐，都需要用户的历史日志信息，如果没有历史日志信息，如何对用户进行推荐呢？静候下一个1分钟。