基于内容的推荐，它是建立在项目的内容信息上作出推荐的，而不需要依据用户对项目的评价意见，更多地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料，再考察用户资料与待预测项目的相匹配程度。
基于内容的推荐系统一个难点在于如何找到两个项目之间的相似点，要找项目之间的相似点，就必须要对项目有比较明确的特征描述方式。
对于推荐项目目前没有统一的标准进行描述，主要有基于内容的方法和基于分类的方法两大类方法。
针对文档类对象的这两个表示方法给予分析：
• 基于内容的方法是从对象本身抽取信息来表示对象，使用得最广泛的方法是用加权关键词矢量，该方法通过对一组文档的统计分析得出文档的特征向量；比如你看了哈利波特I，基于内容的推荐算法发现哈利波特II-VI，与你以前观看的在内容上面（共有很多关键词）有很大关联性，就把后者推荐给你，这种方法可以避免Item的冷启动问题。
• 基于分类的方法是把推荐对象放入不同类别中，这样可以把同类文档推荐给对该类文档感兴趣的用户了。如果用户之前阅读过科技类的文章，或者用户的个人资料显示科技相关，而刚好有一篇文章也是科技类的，那么就算可以把这篇文章推荐给用户。
大纲如下：
第二部分：协同过滤推荐之基于用户的协同过滤推荐（以麦包包为例）；
