帮我写一段内容推荐算法代码

好的，这是一段简单的内容推荐算法代码，用 Python 实现，基于协同过滤算法：

# 导入必要的库
import numpy as np
import pandas as pd
from sklearn.metrics.pairwise import cosine_similarity

# 构造内容矩阵，每一行表示一篇文章，每一列表示一个标签（如“科技”、“体育”等）
# 注意：这里的矩阵要用稀疏矩阵（sparse matrix）来表示，以节省内存
content_matrix = pd.DataFrame({
    "科技": [1, 1, 0, 0, 0],
    "体育": [0, 0, 1, 1, 0],
    "娱乐": [0, 1, 0, 0, 1],
    "财经": [0, 0, 1, 1, 1],
    "汽车": [0, 1, 0, 0, 0]
}, index=['文章1', '文章2', '文章3', '文章4', '文章5'])

# 计算相似度矩阵，即每两篇文章之间的相似度（用余弦相似度）
similarity_matrix = cosine_similarity(content_matrix)

# 定义推荐函数
def recommended_articles(article_id, num_recommendations=5):
    # 取出目标文章的相似度列表，按降序排列
    sim_scores = sorted(enumerate(similarity_matrix[article_id]), key=lambda x: x[1], reverse=True)
    
    # 取出相似度最高的num_recommendations篇文章的id
    recommended_article_ids = [i for i, j in sim_scores[1:num_recommendations+1]]
    
    return recommended_article_ids

要使用这段代码，只需将内容矩阵替换为你的数据，调用`recommended_articles`函数即可，比如：

recommended_article_ids = recommended_articles('文章1', num_recommendations=3)
print(recommended_article_ids)

这个例子中，我们让算法为我们推荐“文章1”最相似的3篇文章，程序会返回这3篇文章的id。