Content Based Filtering

Content based filtering disebut juga item-based filtering, yaitu melakukan mekanisme personalisasi dengan menjadikan data history browsing dan pembelian yang sebelumnya dilakukan oleh pengunjung berdasarkan domain tertentu. Sebagai contoh pengunjung pernah membeli sebuah buku dengan topik tertentu, maka data tersebut dijadikan acuan untuk menampilkan buku yang lain dengan topik, pengarang atau harga seperti buku yang telah dibeli sebelumnya (Ilmu Komputer, 2016).

Keunggulan Content Based Filtering (Upwork, 2015)

• Hasilnya cenderung sangat relevan. Karena rekomendasi content based bergantung pada karakteristik objek itu sendiri, mereka cenderung sangat relevan dengan minat pengguna. Ini membuatnya sangat berharga untuk organisasi dengan perpustakaan besar dari satu jenis konten (pikirkan layanan berlangganan dan streaming media).
• Rekomendasi bersifat transparan. Keuntungan lain adalah bahwa proses dengan mana rekomendasi yang dihasilkan dapat dibuat transparan, yang dapat meningkatkan kepercayaan pengguna pada rekomendasi mereka atau memungkinkan mereka untuk mengubah mereka.
• Pengguna dapat memulai lebih cepat. Penyaringan content based menghindari masalah cold-start. Sementara sistem masih memerlukan beberapa input awal dari pengguna untuk mulai membuat rekomendasi, kualitas dari rekomendasi awal tersebut kemungkinan akan jauh lebih tinggi daripada dengan sistem yang hanya menjadi kuat setelah jutaan titik data ditambahkan dan dikorelasikan.
• Barang baru dapat segera direkomendasikan. Tidak seperti sistem collaborative filtering, pemberi rekomendasi content based tidak mengharuskan pengguna lain untuk berinteraksi dengan objek sebelum mulai merekomendasikannya.
• Secara teknis lebih mudah diterapkan. Dibandingkan dengan matematika canggih yang terlibat dalam membangun sistem collaborative filtering, ilmu data di balik sistem content based relatif mudah. Pekerjaan nyata, seperti yang telah kita lihat adalah menetapkan atribut di tempat pertama.