最近因畢設需求純手動擼了個性化景點推薦系統，寫論文的時候卻發現有兩個概念比較模糊，如下：
基於內容的推薦算法某些論文說的過於學術化，說簡單點就是對 Item進行特徵拆分，將這些特徵做成tag標籤或者向量，來匹配特定胃口的用戶。而基於多準則的推薦算法呢？Wikipedia上說是系統預測用戶對一個item的評分時會綜合考慮多方面準則。那麼問題來了，我Content-based也考慮了item的多方面特徵，也考慮了用戶多方面的偏好，那麼兩者有什麼區別呢？
經一番查閱後最終找到了解釋：
總結下該文獻，意思是準則（Criteria）比特徵（Attribute）更爲抽象，某種程度上可以說Criteria包括Attribute，一個Criteria可以拆成或細分爲多個Attribute。事實上，在很多情況下Criteria是約等於Attribute的，正如上文中黑體加粗的部分（雙箭頭）。同時Criteria在不拆分的情況下還可以量化（從上文中提到的“skill level”可窺探），即相較於Attribute我Criteria可以在tag標籤二值基礎上定義量化的程度。
所以通篇下來好像學到了一點東西，又感覺沒有想象的那麼神乎，故今天就此記錄一下。