基于内容的推荐算法（Content-based）和多准则推荐算法（Multi-criteria）区别

最近因毕设需求纯手动撸了个性化景点推荐系统，写论文的时候却发现有两个概念比较模糊，如下：

基于内容的推荐算法某些论文说的过于学术化，说简单点就是对 Item进行特征拆分，将这些特征做成tag标签或者向量，来匹配特定胃口的用户。而基于多准则的推荐算法呢？Wikipedia上说是系统预测用户对一个item的评分时会综合考虑多方面准则。那么问题来了，我Content-based也考虑了item的多方面特征，也考虑了用户多方面的偏好，那么两者有什么区别呢？

经一番查阅后最终找到了解释：

总结下该文献，意思是准则（Criteria）比特征（Attribute）更为抽象，某种程度上可以说Criteria包括Attribute，一个Criteria可以拆成或细分为多个Attribute。事实上，在很多情况下Criteria是约等于Attribute的，正如上文中黑体加粗的部分（双箭头）。同时Criteria在不拆分的情况下还可以量化（从上文中提到的“skill level”可窥探），即相较于Attribute我Criteria可以在tag标签二值基础上定义量化的程度。

所以通篇下来好像学到了一点东西，又感觉没有想象的那么神乎，故今天就此记录一下。