最新最全论文合集——推荐系统中的冷启动问题

AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

必读论文：https://www.aminer.cn/topic

论文集地址：https://www.aminer.cn/topic/606fc7aa92c7f9be21bee0b7

推荐系统的主要目标是将大量的标的物推荐给可能喜欢的海量用户，这里涉及到标的物和用户两类对象。任何互联网推荐产品，标的物和用户都是不断增长变化的，所以一定会频繁面对新标的物和新用户，推荐系统冷启动问题指的就是对于新注册的用户或者新入库的标的物，该怎么给新用户推荐标的物让用户满意，怎么将新标的物分发出去，推荐给喜欢它的用户。另外，如果是新开发的产品，初期用户很少，用户行为也不多，常用的协同过滤、深度学习等依赖大量用户行为的算法不能很好的训练出精准的推荐模型，怎么让推荐系统很好的运转起来，让推荐变得越来越准确，这个问题就是系统冷启动。

该论文集共收录9篇论文，引用最多的论文为Methods and metrics for cold-start recommendations，引用数为1812。

AMiner，一个具有认知智能的学术搜索引擎：https://www.aminer.cn

#AMiner# #论文#