推荐系统：冷启动问题

冷启动是没有用户或是没有内容或是两者都没有，指刚上线的系统。

冷启动问题

以现在非常或的短视频推荐系统为例：

• 一是用户冷启动，也就是当新用户进入平台时，我们并没有他的历史行为记录，故也就无法依据他的历史行为、兴趣偏好来对其进行推荐了；
• 二是短视频冷启动，对于一条新的短视频来说，它自身也没有和用户匹配的标签数据， 对于如何去被推荐到相应的用户也是十分困难的；
• 三是短视频平台本身的平台冷启动，这种一般是指整个平台刚刚投入使用，是没有用户的，只有一定数量的视频，这种情况一般出现在某个短视频分发平台刚刚上线之时

新用户的冷启动解决方案

1. 兴趣标签信息获取用户反馈

2.基于用户注册内容

• 例如一般应用或网站都会要求用户注册时，填写了年龄、性别、职业、民族、学历、所在地等
• 这些我们一般称为用户的人口统计学信息
• 这些信息相对来说比较稳定，不会随着时间变化而变动的

我们可以根据影虎的这些信息提取出这名用户的年龄、兴趣爱好等进行推荐合适的视频。

接入第三方的社交账号

• 可以接入新浪微博、豆瓣、微信等具有社交属性的第三方账户
• 这样就可以在得到用户授权的情况下，拿到用户的社交数据以及一些行为数据
• 直接基于拿到的用户的数据或标签与匹配已经离线计算好的表即可完成相应的推荐

利用内容信息

1. 可先算出与之内容相似的物品（利用已经计算好的离线倒排表可节省计算时间）
2. 再利用基于物品的协同过滤进行推荐
   下面我们举个例子说明一下：
   
   这个用户曾经读过这本机器学习的西瓜书，我们可以预测这个用户对机器学习、统计概率方面比较感兴趣，那么我们可以给他推荐这本统计学习方法

提供非个性化的推荐

例如微博热门

如果一开始找不到个性化推荐，不要轻易进行推荐。
下方链接为推荐系统的介绍
https://blog.csdn.net/l_sun_08/article/details/102225680
下方链接为基于近邻协同过滤
https://blog.csdn.net/l_sun_08/article/details/102231490