基于内容的推荐（Content-based Recommendation）是信息过滤技术的延续与发展，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。

    在基于内容的推荐系统中，项目或对象是通过相关的特征的属性来定义，系统基于用户评价对象的特征，学习用户的兴趣，考察用户资料与待预测项目的相匹配程度。因此，对于推荐内容的理解对于推荐系统来说非常重要的。

    本资源整理了基于自然语言处理内容理解的推荐系统，整理了最近几年NLP在推荐系统中相关的应用，涉及基于知识图谱的推荐、基于文本的推荐及广告、基于对话系统的推荐、基于上下文推荐和可解释下推荐。

    资源整理自网络，源地址：

    https://github.com/THUDM/NLP4Rec-Papers

目录

论文列表

往期精品内容推荐

机器学习必读新书-《凸优化算法原理详解》免费pdf分享

中文医疗领域自然语言处理相关数据集、经典论文资源蒸馏分享

计算机视觉（CV）历史最全预训练模型(部署)汇集分享

神经网络基础教材-《计算认知神经科学介绍》免费pdf分享

视频列表页推荐算法最新研究成果整理分享

推荐系统领域常见公共数据集整理分享

清华大学计算机学科推荐学术会议和期刊列表

20年校招DL/NLP/推荐系统/ML/算法基础面试必看300问及答案

最新最全推荐系统相关优秀研究论文整理分享

Michael Jordan-机器学习、推荐系统和AI的未来

深度学习推荐系统、CTR预估工业界实战论文整理分享