【推荐系统】冷启动

推荐系统需要根据用户的历史行为和兴趣预测用户未来的行为和兴趣，因此大量的用户行为数据就成为推荐系统的重要组成部分和先决条件

冷启动问题的分类

• 用户冷启动：解决如何给新用户做个性推荐的问题
• 物品冷启动：解决如何将新的物品推荐给可能对它感兴趣的用户
• 系统冷启动：解决如何在一个新开发的网站上设计个性化推荐系统

利用用户注册信息

利用用户的注册信息可以很好地解决注册用户的冷启动问题

• 人口统计学信息：用户的年龄、性别、职业、民族、学历和居住地
• 用户兴趣的描述：有一些网站会让用户用文字描述他们的兴趣
• 从其他网站导入的用户站外行为数据

基于注册信息的个性化推荐流程

基于用户注册信息的推荐算法其核心问题是计算每种特征的用户喜欢的物品

选择合适的物品启动用户的兴趣

解决用户冷启动问题的另一个方法是在新用户第一次访问推荐系统时，不立即给用户展示推荐结果，而是给用户提供一些物品，让用户反馈他们对这些物品的兴趣，然后根据用户反馈给提供个性推荐

能够用来启动用户兴趣的物品具有以下特点：

• 比较热门
• 具有代表性和区分性
• 启动物品集合需要多样性

利用物品的内容信息

物品的内容信息多种多样，不同类型的物品有不同的内容信息

我们可以用向量空间模型来表示物品的内容，该模型会将物品表示成一个关键词向量

该模型的优点是简单易用，缺点是丢失了一些信息

---