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