2.1.1　基于内容的推荐

基于内容的推荐首先收集和标注特征信息并对用户和物品构建内容画像（profile），例如电影的类型、导演、主演，用户的年龄、性别、内容偏好等。在此基础上，基于内容的推荐通过用户画像和物品画像的特征匹配算法进行个性化的推荐。

在理论与方法方面，Debnath等研究了特征权重的选取方法及其对推荐效果的影响^[14]；Martínez等将语言学模型运用到基于内容的推荐当中，从而允许用户以自然语言描述自身的兴趣爱好并获得个性化的推荐^[15]；Blanco等^[16]和De Gemmis等^[17]将语义网与基于内容的推荐相结合，利用语义网所蕴含的精确的特征关系为用户提供推荐；Di Noia等进一步将最新的开放连接数据（linked open data）项目语义网应用于个性化推荐^[18]；Zenebe和Norcio将模糊集理论应用于用户和物品特征集合的匹配过程从而为用户提供基于内容的推荐^[19]；Cramer等则在基于内容的推荐背景下研究了系统透明度对用户信任和接受度的影响^[20]。

在实际应用方面，Mooney和Roy研究并推出了基于内容的图书推荐系统^[21]；Cano推出了基于内容的音乐推荐系统^[22]；Basu等研究了社交关系信息在推荐系统中的应用^[23]，Cantador等则进一步将基于内容的推荐应用于社会化标签系统（social tagging system），从而为用户推荐最可能感兴趣的对象进行标签标注^[24]；Chen等研究了基于内容的电子商务系统^[25]；Phelan等^[26]、Kompan和Bieliková^[27]研究了基于内容的新闻推荐系统。