基于内容的过滤
TF-IDF 物品表示、余弦相似度，以及根据元数据构建电影推荐器。
基于内容的过滤 是 CoddyKit 上的免费 Learn AI with Python 课时。 这是第 3 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 Learn AI with Python 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 Learn AI with Python 课程共包含 4 节课。
什么是基于内容的过滤
基于内容的过滤根据项目自身的特征（文本、类型、标签），推荐与用户已经喜欢的项目相似的项目。与协同过滤不同，它不需要其他用户的数据，因此可以避开项目冷启动问题。
将项目表示为特征向量
核心思想是：将每个项目转换为描述其内容的数值向量，然后衡量向量之间的相似度。对于文本描述，TF-IDF 是构建这类向量的经典方法。
什么是 TF-IDF
TF-IDF（词频-逆文档频率）根据词语在某个项目中出现的频率赋予权重，同时降低在所有项目中都很常见的词语的权重。罕见且具有区分度的词语会获得较高权重，从而体现项目的独特之处。
TfidfVectorizer
scikit-learn 只需两行代码，就能将项目描述列表转换为 TF-IDF 矩阵。
from sklearn.feature_extraction.text import TfidfVectorizer
vectorizer = TfidfVectorizer(stop_words="english")
tfidf_matrix = vectorizer.fit_transform(df["description"])理解矩阵形状
tfidf_matrix 的形状为 (项目数, 词项数)：每行对应一个项目，每列对应词汇表中的一个唯一词语。由于大多数项目只使用全部词语中的一小部分，因此该矩阵是稀疏的。
print(tfidf_matrix.shape) # (n_items, vocabulary_size)调节向量化器
常用参数包括：stop_words 会去除常见词，max_features 会限制词汇表大小，而 ngram_range=(1,2) 会加入双词短语，以获得更丰富的特征。
vectorizer = TfidfVectorizer(
stop_words="english",
max_features=5000,
ngram_range=(1, 2)
)项目之间的余弦相似度
计算所有项目之间的成对相似度。结果是一个项目数 x 项目数的矩阵，其中每个单元格表示两个项目描述之间的相似程度。
from sklearn.metrics.pairwise import cosine_similarity
cosine_sim = cosine_similarity(tfidf_matrix)
print(cosine_sim.shape) # (n_items, n_items)线性核快捷方式
由于 TF-IDF 向量默认经过 L2 归一化，linear_kernel 可以更快地得到与余弦相似度相同的结果，这是大型目录中常用的优化方法。
from sklearn.metrics.pairwise import linear_kernel
cosine_sim = linear_kernel(tfidf_matrix, tfidf_matrix)将标题映射到索引
要根据名称查找项目，请建立一个从标题映射到行位置的反向索引。
indices = pd.Series(df.index, index=df["title"]).drop_duplicates()get_recommendations 函数
给定一个标题，获取其相似度行，按降序排列，跳过项目本身，然后返回排名靠前的匹配项目。
def get_recommendations(title, n=10):
idx = indices[title]
scores = list(enumerate(cosine_sim[idx]))
scores = sorted(scores, key=lambda x: x[1], reverse=True)
top = scores[1:n+1] # skip itself at position 0
item_idxs = [i for i, _ in top]
return df["title"].iloc[item_idxs]优势与局限
优势：适用于全新的项目，而且推荐结果易于解释（“因为它们共享这些词语”）。
局限：它只能围绕用户已知的品味进行推荐（过度专业化），无法像协同过滤那样发现出人意料的跨类型优质项目。
快速检查
请测试您对基于内容的过滤的掌握程度。
回顾
您构建了基于内容的过滤：TfidfVectorizer 将描述转换为(项目数, 词项数)矩阵，cosine_similarity 比较项目，而 get_recommendations 返回最相似的项目（跳过项目本身）。它能够处理冷启动，但存在过度专业化的风险。下一部分：混合系统与评估指标。
常见问题解答
「基于内容的过滤」课时是免费的吗？
是的 — 「基于内容的过滤」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 Learn AI with Python 课程的其余内容，请升级到 CoddyKit PRO。 Learn AI with Python 课程共包含 4 节课。
「基于内容的过滤」这节课中我会学到什么？
TF-IDF 物品表示、余弦相似度，以及根据元数据构建电影推荐器。 你通过在浏览器中直接运行的动手代码来练习 Learn AI with Python，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 Learn AI with Python 需要有经验吗？
无需任何先前经验。CoddyKit 上的 Learn AI with Python 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 3 节课，共 4 节。
「基于内容的过滤」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 Learn AI with Python 课中编写并运行代码吗？
能。每节 Learn AI with Python 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。