推荐系统学习笔记——十一、推荐系统解决物品冷启动问题

十一、推荐系统解决物品冷启动问题

物品冷启动：新加入系统的物品，因缺少行为数据而无法被扩散推荐；

推荐系统解决物品冷启动的两种思路：

• 基于内容的推荐算法
  • 使用内容本身的信息
  • 方法1：物品相似U2I2I
• 基于协同过滤的推荐算法
  • 使用群体行为数据
  • 方法2：抖音的多级流量池算法

方法1：基于物品相似算法的U2I2I

类似功能：看了还看、相关推荐

eg：根据商品列表中各个物品的内容属性，两两计算相似度，并排序

在系统中，一个用户查看过某个商品，就可以给这个用户推荐和这个商品相似的商品。

一个用户查看的商品和新商品相似，那就可以给这个用户推荐新的商品，实现冷启动

方法2：抖音内容推荐算法

多级流量池机制，实质上是基于行为方法的试探

eg：对于新物品，衡量评级，满足之后，进入一级流量池，保证一定的推荐量，500推荐量；计算推荐效果

如果推荐效果的指标达到要求，就进入下一流量池；如果没达到要求，就结束推广

到最后达到最大的流量池之后，就完成了冷启动，进入到正常的协同过滤、行为推荐的推广