本节书摘来自华章出版社《推荐系统：技术、评估及高效算法》一书中的第3章，第3.1节，作者 [ 美］弗朗西斯科·里奇（Francesco Ricci）利奥·罗卡奇（Lior Rokach）布拉哈·夏皮拉（Bracha Shapira）保罗 B.坎特（Paul B.Kantor），更多章节内容可以访问云栖社区“华章计算机”公众号查看
3.1 简介
网络上和数字图书馆中，存在着大量而丰富的信息，由于它们的动态性和多样性，很难快速找出我们想要的或最能满足我们需求的东西。
因此，用户建模和个人资料访问的作用变得越来越重要：根据喜好和品位，用户需要个性化的支持来从大量信息中筛选出可用信息。
大量的信息来源显示，推荐系统是能够满足用户个性化需求的一种方式［73］。推荐系统在巨大的可能选择范围内引导用户发现感兴趣的或有用的个性化推荐结果［17］。推荐算法把用户的兴趣作为输入来产生一个推荐列表。亚马逊的推荐算法用于为每个用户定制一个网上商店。例如，为软件工程师显示有关编程的主题，为新妈妈显示的是婴儿玩具［50］。
物品推荐的问题已经有广泛的研究，现有两类主要方式。基于内容的推荐系统试图推荐给定用户过去喜欢的相似物品，而协同过滤推荐方式的系统识别出拥有相同喜好的用户，并推荐他们喜欢过的物品［7］。
本章中，我们对基于内容的推荐系统进行了全面而系统的研究，其目的有两方面：
提供研究现状的概览，着重讨论最有效的技术和它们被采纳的应用领域。
指明能够引领下一代基于内容的推荐系统的未来研究趋势和方向。
本章结构如下：3.2节介绍基于内容的推荐系统的基本概念和术语。通过讲
解经典的基于内容的推荐系统架构来理解架构中的主要部件，以及在产生推荐结果的过程中，这种类型的推荐技术的优缺点。3.3节全面介绍最前沿的基于内容的推荐系统，还全面描述了如何表示物品和用户信息的经典方法和最新技术，以及用户信息的学习方法。3.4节阐述了基于内容的推荐系统技术的趋势和未来研究方向。3.5节进行了总结。
