內容過濾推薦 是什麼？

Content-based Filtering — 內容過濾推薦 的完整解釋

內容過濾推薦是一種推薦系統方法，它基於用戶過去互動過的項目內容特徵，向用戶推薦相似的項目。它分析項目描述，並匹配用戶偏好。

容易混淆

內容過濾推薦 vs 協同過濾 vs 規則推薦

內容過濾推薦：看物品特徵，推薦相似內容

協同過濾：看相似使用者的行為，推薦可能喜歡的項目

規則推薦：人手寫規則，像「買手機就推保護貼」

最關鍵的區別：內容過濾推薦看的是「物品像不像你已經喜歡的東西」。

記住這句就好

喜歡科幻，就先找科幻的相似特徵。

實際案例

新聞 App

前：只看大家點了什麼，熱門內容容易蓋過個人興趣

後：分析你常看的標題、主題與作者風格，再推相似文章

影音串流平台

前：使用者互動少時，推薦效果不穩

後：先看影片類型、演員、標籤和簡介，讓新內容也能被推薦出去

算法與應用

內容過濾常搭配向量表示、文本特徵、圖片特徵和相似度計算

在實作上，最常見的工作是先把內容轉成可比較的表示，再找和使用者興趣最接近的項目

它對新物品通常比協同過濾友善，但若內容標籤很爛，推薦也會一起爛掉

情境判斷

Q1（直覺題）： 你喜歡某位作家的文章，系統之後一直推同作者的文章，這像內容過濾嗎？

→ 像，因為它在看內容本身的相似性。

Q2（判斷題）： 如果一個新商品沒有任何使用紀錄，但有完整標題和分類，內容過濾還能工作嗎？

→ 可以，這正是它比協同過濾更能處理新物品的地方。

常見問題

內容過濾一定要文字嗎？

不一定，也可以用圖片、音訊和其他特徵。

它和協同過濾哪個比較好？

沒有絕對，常見做法是混合兩者。

為什麼有時候內容推薦很單調？

因為它容易只抓住已知偏好，探索能力比較弱。