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
• 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

---

加油!

感谢!

努力!