《推荐系统实践》读书笔记(三）(冷启动)

冷启动

1. 用户冷启动（以下A和B和E）

2. 物品冷启动（以下C和D）

3. 系统冷启动（没有任何用户行为的前提下；以下D）

 

A. 根据用户注册信息

1. 人口统计学信息；2. 用户兴趣标签；3.社交账号获取用户的好友关系和朋友圈微博等历史行为；

人口统计学信息，包括：年龄、性别、工作、学历、居住地、国籍、民族...

多个排名表Merge：年龄-->物品，性别-->物品，国籍-->物品，...  新用户来了以后，先把他填了的注册信息，每一项得到该项对应的物品排名表（连续特征需要预先分桶），对多个特征对应的物品排名表进行加权相加，得到总物品排名表；

物品i对于特征A=j人群的分值，= (喜欢物品i AND 具有特征A=j 的人数) / 喜欢物品i的人数

 

B. 让用户对物品进行打分或"喜欢/不喜欢/不知道"选择；

物品的选择：

1. 热门：用户都不知道这个东西，那还打什么分；

2. 有区分性：老少皆宜的就不适合，问了等于没问；

3. 多样性：要覆盖所有主流兴趣；例如让用户去挑选喜欢的电影类型，而不是让用户挑选喜欢的电影；

决策树物品启动系统：先规定一批物品，让所有用户对这批物品打分；决策树当前节点还剩m个用户，n个物品，则枚举这n个物品，计算每个物品对剩下这m个用户的区分度，挑选最大区分度的进行分裂（用户被分成<喜欢，不喜欢，不知道>这3个分支上去）；区分度 = 喜欢该物品的用户方差 + 不喜欢该物品的用户方差 + 不知道该物品的用户方差； 喜欢该物品的用户方差=喜欢该物品的用户对其他物品评分的方差；新用户来了以后顺着决策树从上到下直到分到叶子节点，叶子节点即他所属的用户小群体，按这个小群体的画像给他推荐即可；

 

C. 基于内容

UserCF比ItemCF在物品的冷启动上表现更好；（因为ItemCF新上物品后需要更新物品-物品相似度矩阵）

每个物品得到特征向量，用cosine距离计算两个特征向量之间的距离；对于文本内容，可以用VSM模型、TF-IDF；

如果特征特别强，基于物品内容相似度的KNN效果会好于ItemCF;

短文本，用TF-IDF可能两个物品之间没有任何共同的关键词，效果太差；此时可以用效果不是太差的LDA，把物品转成主题分布，再用KL散度求相似度（用cosine距离可以吗？）；（把用户看成文章，把用户的特征们看成单词们，用LDA得到每个用户的主题向量；同理物品也是！Hulu用的也是这个方法，对付冷启动！）

 

D. 专家标注

Pandora用音乐家来对歌曲进行特征标注（400维特征）；

Jinni除了让专家对电影进行标注，还用机器学习自动补全特征，特别是新电影（根据电影的评论和其他内容属性）

 

E. 利用用户社交账号登陆，得到朋友圈内容和好友信息