推荐系统主要由两个方法组成,即基于内容属性相似的推荐和基于协同过滤算法的推荐,这两种方法可以提供有意义的推荐。其中基于内容属性相似的推荐只是单纯地依赖物品之间的属性相似来构建推荐关系;而协同过滤算法推荐作为推荐系统领域的经典,它不会去研究物品的本身属性,正如名字描述的一样,严重依靠于用户的行为及其周边用户的协同行为。文中使用了一种改进的混合方法,充分考虑和利用了协同过滤算法和内容属性过滤的优点。讨论的算法与该领域以前的方法是不同的,因为它包括一个新颖的方法来找到两个事物之间的相似内容。包含了一个分析用以证明这个新的方法,并且阐述了它是怎样提供实用性的推荐的。与其他两种常用的方法进行比较,即纯协同过滤(Pure CF)和奇异值分解(SVD),结果表明,该方法经过现有的用户和目标数据的测试,产生了有所改进的结果。