推荐系统的冷启动问题 ​

推荐系统冷启动概念

• ⽤户冷启动：如何为新⽤户做个性化推荐
• 物品冷启动：如何将新物品推荐给⽤户（协同过滤）
• 系统冷启动：⽤户冷启动+物品冷启动

本质是推荐系统依赖历史数据，没有历史数据⽆法预测⽤户偏好

用户冷启动 ​

• 1.收集⽤户特征

  • ⽤户注册信息：性别、年龄、地域

  • 设备信息：定位、⼿机型号、app 列表

  • 社交信息、推⼴素材、安装来源

    

• 2 引导用户填写兴趣

  

• 3 使用其它站点的行为数据, 例如腾讯视频&QQ 音乐 今日头条&抖音

• 4 新老用户推荐策略的差异

  • 新⽤户在冷启动阶段更倾向于热门排⾏榜，⽼⽤户会更加需要长尾推荐
  • Explore Exploit ⼒度
  • 使⽤单独的特征和模型预估

• 举例 性别与电视剧的关系

  

  

物品冷启动 ​

• 给物品打标签

• 利用物品的内容信息，将新物品先投放给曾经喜欢过和它内容相似的其他物品的用户。

  

系统冷启动 ​

• 基于内容的推荐 系统早期
• 基于内容的推荐逐渐过渡到协同过滤
• 基于内容的推荐和协同过滤的推荐结果都计算出来 加权求和得到最终推荐结果