Content-Based Recommender System是基于产品（商品、网页）的内容、属性、关键字，以及目标用户的喜好、行为，这两部分数据来联合计算出，该为目标用户推荐其可能最感兴趣的产品。
有几个点值得注意：
a、并不太关注其他用户的喜欢、行为或评分等，仅仅关注目标用户；
b、适合于新产品的冷启动，但不适合新用户的冷启动；
c、像电影、音乐类系统，有可能推荐给用户毫无新意的产品，从而缺乏对用户深层需求的挖掘；
d、对于新闻类产品，则可能会抓住客户持续的爱好并进行内容提供。
1、预处理和特征抓取(Preprocessing and Feature Extraction)
a、特征抓取(Feature Extraction)：通常将特征抓取为词库(bag of words)，对于网页，则需要根据页面布局，选取出主要区块进行抓取；
b、数据清洗(Feature Representation and Cleaning)：去除无用词(Stop-Words Removal)，合并相同词的不同形式(Stemming)，phrases取词(Phrase Extraction)
c、特征选取及赋权(Feature Selection and Feature Weighting): Unsupervised algorithm and Supervised Algorithm
这里用到了TF-IDF,是一种Unsupervised Learning，基本思想是，给予在本文内频次高&在语料库中频次低的词更高的权重，但未考虑到用户喜好。
具体参见wiki：https://zh.wikipedia.org/wiki/Tf-idf
2、获取用户喜好(Content-Based Learning of User Profiles)
a、我们取出目标用户已经打分的items，构建一个Matrix DL, 其中除了存放step1中抓取的所有特征外，还存放了用户对于这些items的打分
b、我们取出用户未打分的items，构建一个Matrix DU，其中除了step1中抓取的特征外，空出用户的打分，下一步要来进行预测。
3、过滤和推荐(Filtering and Recommendations)
a、对于每一个DU中的items，要遍历DL，去计算每个DL_item与其相似性，相似性计算公式如下：
b、为每个DU中的item，选出相似度最高的K个items；
c、计算K个items的均值，也可以按照相似性作为权重，来合成目标item的得分，最终计算完成后，从DU中选出得分最高的p个items推荐给目标用户。
ps:因为程序复杂度高，且类似新闻系统，很有可能要求运算时间，所以，在step.a遍历DL前，可以进行clustering，选出subset再计算相似性并比对
Cosine Similarity:https://en.wikipedia.org/wiki/Cosine_similarity
KNN:https://www.coursera.org/learn/python-machine-learning/lecture/I1cfu/k-nearest-neighbors-classification-and-regression