推荐系统实践（三）推荐系统冷启动问题

最新推荐文章于 2022-08-21 17:45:08 发布

Anida_qin

最新推荐文章于 2022-08-21 17:45:08 发布

阅读量380

点赞数 1

CC 4.0 BY-SA版权

分类专栏：推荐系统

本文链接：https://blog.youkuaiyun.com/qq_20095389/article/details/87811651

5 篇文章

订阅专栏

本文探讨了推荐系统中用户和物品冷启动问题的解决方案，包括利用用户注册信息进行分类推荐，选择合适物品激发用户兴趣，以及利用物品内容信息和专家作用进行物品推荐的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基本思想，选择物品区分度大的作为启动物品集合，然后利用决策树将用户兴趣提取出来，再推荐同类型的物品~

算法，其中 $\delta_{u\in N^{+}(i)}$ 是喜欢物品i的用户对其他物品评分的方差， $\delta_{u\in N^{-}(i)}$ 是不喜欢物品i的用户对其他物品评分的方差， $\delta_{u\in \bar{N}(i)}$ 是没有对物品i评分的用户对其他物品评分的方差。

个人感觉这应该是依据具体业务，然后自己制定相应的算法，这边所谓的算法，除了通用的，基本是根据业务自己设定的逻辑条件等，就像传统图像算法一样。

将文本信息表示成关键向量 $d_{i}=\{(e_{1},w_{1}),(e_{2},w_{2})...\}$ ，其中 $e_{i}$ 是关键词，w_{i}是关键词对应的权重。

权重计算利用TF-IDF理论https://www.cnblogs.com/pinard/p/6693230.html
$w_{i}=\frac{TF(e_{i})}{logDF(e_{i})}$
计算物品相似度
$w_{ij}=\frac{d_{i}*d_{j}}{\sqrt{\left\|d_{i}\right\|\left\|d_{j}\right\|}}$
ItermCF 的思想，给用户推荐和他历史上喜欢的物品相似的物品。