3.2.1　基于用户和标的物特征为用户推荐的核心思想

有了用户特征和标的物特征，我们怎么给用户做推荐呢？主要有如下三个推荐思路。

1.基于用户历史行为记录做推荐

需要事先计算标的物之间的相似性，然后将用户历史记录中标的物的相似标的物推荐给用户。

不管标的物包含哪类信息，一般的思路是将标的物特征转化为向量化表示，有了向量化表示，我们就可以通过余弦相似度计算两个标的物之间的相似度了。

2.用户和标的物特征都用显式的标签表示，利用该表示做推荐

标的物用标签来表示，那么反过来，每个标签就可以关联一组标的物。根据用户的标签表示，用户的兴趣标签就可以关联到一组标的物，这组通过标签关联到的标的物，就可以作为给用户的推荐候选集。这类方法就是所谓的倒排索引法，是搜索业务通用的解决方案。

3.用户和标的物嵌入同一个向量空间，基于向量相似做推荐

在把用户和标的物嵌入同一个向量空间后，我们就可以计算用户和标的物之间的相似度，然后按照标的物跟用户的相似度，为用户推荐相似度高的标的物。我们还可以基于用户向量表示计算用户相似度，将相似用户喜欢的标的物推荐给该用户，这时标的物的嵌入表示是没有参与到推荐计算中的。

讲清楚了基于内容的推荐的核心思想，下面分别讲解怎么表示用户特征、怎么表示标的物特征，以及如何为用户做推荐。