innehållsbaserad

En innehållsbaserad metod beskriver ett angreppssätt inom informationssökning och rekommendationssystem där val av relevanta objekt baseras på innehållets egna egenskaper istället för användares beteende eller popularitet. Begreppet används inom flera områden där målet är att föreslå relevanta artiklar, produkter eller medieinnehåll baserat på innehållets karakteristika.

I praktiken byggs en beskrivning eller profil av varje objekt i form av attribut (t.ex. genre, nyckelord, författare, färg, pris). En användarprofil skapas genom att sammanställa attributen från objekt användaren har interagerat med. Rekommendationer genereras genom att beräkna likhet mellan användarens profil och objektens profiler och välja de objekt med högst likhet.

Vanliga metoder inom innehållsbaserad filtrering inkluderar TF-IDF och vektorutrymme-modeller samt cosine similarity, ord- eller konceptbaserade embeddings. Data som används är metadata, textbeskrivningar och taggar. Fördelar inkluderar att nya objekt kan rekommenderas direkt utan historisk interaktion. Nackdelar innefattar behovet av väl underhållna metadata, risk för överanpassning samt begränsad variation i rekommendationerna.

Användningsområden omfattar musik- och filmrekommendationer, nyhetsapplikationer, e-handelsplattformar och sökmotorer. Hybrida system kombinerar ofta innehållsbaserad filtrering med kollaborativ filtrering för att motverka begränsningarna hos varje enskild metod. Se även innehållsbaserad filtrering och rekommendationssystem.