推薦算法是計算機專業中的一種算法，基於內容的推薦算法(Content-Based Recommendations CB)，下文簡稱CB，即系統從海量數據中獲取到用戶數據，根據用戶過去喜歡或搜索過的內容，為用戶推薦與之相似的內容，而內容相似性的度量，是算法運用過程中的核心。
隨著信息技術和互聯網的發展，人們逐漸從信息匱乏的盲區走入了信息過載的時代。以推薦算法為核心技術的推薦系統憑藉其個性化推薦和有效降低信息噪音的特點開始被廣泛使用，如今日頭條、一點資訊、抖音、淘寶等這些智能客戶端，憑藉強大的算法、先進的數據抓取技術，能夠精準分析並解讀用戶的閱讀習慣和興趣，從而為用戶提供量身定製的產品，滿足了個性化的需求。
但CB的推薦只依賴於用戶過去（歷史瀏覽記錄）的喜好，它產生的推薦也都會和用戶過去喜歡的信息相似。如果一個用戶以前只看與科技有關的文章，那CB只會給他推薦更多與科技相關的文章，它不會知道用戶可能還喜歡政治類或娛樂類的文章。
所以使用推薦算法的客戶端為了增強用戶黏性，會遷就用戶的喜好，不斷選擇讓你感興趣的內容推送給你，讓你沉浸在舒適的甜蜜區裡，根本停不下來。而這樣做的結果就是：你接觸的內容會越來越狹窄，並且誤以為這些你看到的內容就是全世界正在發生的事情。因而算法主導下的內容分發模式，可能會帶來“自我封閉”的危險，這是需要注意的。
今天的知識點對您是否有所啟發？你還想了解什麼專有名詞，歡迎評論區留言~