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，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
第3章Recommender Systems Handbook基于内容的推荐系统：前沿和趋势
Pasquale Lops、Marco de Gemmis和Giovanni Semeraro Pasquale Lops,Department of Computer Science,University of Bari“Aldo Moro”,Via E.Orabona,4,Bari(Italy) e-mail:lops@di.uniba.it
Marco de Gemmis,Department of Computer Science,University of Bari“Aldo Moro”,Via E.Orabona,4,Bari(Italy) e-mail:degemmis@di.uniba.it
Giovanni Semeraro,Department of Computer Science,University of Bari “Aldo Moro”,Via E.Orabona,4,Bari(Italy) e-mail:semeraro@di.uniba.it
翻译：吴涛，吉林大学丁彬钊，徐世超 审核：胡聪（胡户主），北京大学王雪丽，郑州大学吴宾
摘要 推荐系统以个性化的方式指引用户在众多选择中找到感兴趣的东西。基于内容的推荐系统会发掘用户曾经喜欢的产品，从而尝试去推荐类似的产品使其满意。事实上，基于内容的推荐系统主要的处理方式在于利用用户已知的偏好、兴趣等属性和物品内容的属性相匹配，以此为用户推荐新的感兴趣的物品。本章概述了各种基于内容的推荐系统，目的是在其各种设计原理和实现方法中理出头绪。本章第一部分介绍了基于内容推荐的基本概念、专业术语、高层次的体系结构和主要的优缺点。第二部分通过详尽描述能够表示物品和用户信息的经典先进技术，给出了几个应用领域内使用的最先进技术的概述。同时，也阐述了一些被广泛使用的学习用户兴趣的技术。最后一部分讨论了推荐系统的趋势和下一代推荐系统的研究方向，其中描述了考虑到在词汇表不断演变情况下用户产生内容（UGC）的作用，以及为用户提供一些偶然性的推荐的挑战，即推荐出乎意料地能够让用户感兴趣，而又无法通过其他方法发现的物品。
