推荐算法：Content Based
作为最基础的算法，基于内容的推荐算法原理理解起来并不难，但是用代码实现就是另外一件事情了，现在只是简单理解一下原理，至于实现的事情今后再慢慢补上。
1. 引入item属性的Content based
a) 结构图如下：
b) 引入一组概念：正排表和倒排表
正排表：
Music1：治愈/舒缓/通俗
Music2：摇滚/热血/动感
…
与之相对应的倒排表是：
治愈：Music1、Music3、Music6…
舒缓：Music1、Music8、Music11…
通俗：Music1、Music19…
…
通常获取的数据都是属于正排表，所以对于这些数据，需要做的内容分析第一步是：将正排表转换成倒排表
c) 优缺点：
优点：
提升推荐结果的相关性
结果可解释
推荐结果容易被用户感知
缺点：
无个性化
依赖于对item的深度分析
2. 引入User属性的Content based
a) 结构如下
b) 优缺点
优点：
用户模型刻画了用户兴趣需求
推荐形式多样，具有个性化
结果可解释
缺点：
推荐精度低
马太效应（用户喜欢看的一直推荐，形成闭环）
用户行为稀疏导致覆盖率低
下一步的学习计划：
1.深入研究协同过滤算法
2.阅读购买书目（明后天到）
3.除算法外，学习其他技术点，如中文分词，mapreduce等