Inhoudsgebaseerde

Inhoudsgebaseerde, in het Engels vaak aangeduid als content-based, verwijst naar benaderingen die beslissingen nemen op basis van de kenmerken van de items zelf en de voorkeuren van de gebruiker, in plaats van uitsluitend te vertrouwen op wat andere gebruikers hebben gekozen. Dit concept komt veel voor in aanbevelingssystemen, informatieopvraging en classificatietaken waarbij itemattributen centraal staan.

Bij content-based filtering worden kenmerken van items gebruikt om een profiel van de gebruiker op te bouwen. Dit profiel kan bestaan uit expliciete voorkeuren (bijvoorbeeld door een gebruiker gegeven ratings) en/of afgeleide signalen uit eerder gedrag. De kernstap is het meten van de overeenkomst tussen de kenmerken van een ongekeken item en het gebruikersprofiel, vaak met statistische maatregelen zoals waarschijnlijkheidsmodellen, kwantitatieve weging of machine learning-algoritmen.

Toepassingsgebieden omvatten onder andere aanbevelingssystemen voor films, muziek en nieuwsartikelen, informatieopname en document- of beeldherkenning. Een voordeel is dat nieuwe items sneller kunnen worden aanbevolen als hun kenmerken bekend zijn, waardoor het zogenaamde cold-start-probleem wordt verlaagd. Een nadeel is dat de aanbevelingen sterk afhankelijk zijn van de beschikbaarheid en kwaliteit van itemkenmerken, wat kan leiden tot overfitting en beperkte serendipiteit.

Hybride systemen combineren vaak inhoudsgebaseerde benaderingen met samenwerkingsfilters die op gebruikersgroepen en interacties vertrouwen, om zo de zwakkere punten van elke methode te compenseren.