《推荐系统实践》第3章:推荐系统冷启动问题

问题简介

用户冷启动、物品冷启动、系统冷启动

解决方法

1. 利用用户注册信息

利用人口统计学信息、用户兴趣描述、其他网站导入的用户站外行为数据等信息提供粗粒度的个性化推荐。

基本流程：1）获取用户注册信息；2）对其分类；3）推荐所属分类中用户最喜欢的物品。

核心，计算每种特征用户喜欢的物品，公式如下：
$$p(f,i)=|N(i)\cap U(f)|$$

改进：

$$p(f,i)=\frac{|N(i)\cap U(f)|}{|N(i)|+\alpha }$$

2. 选择合适的物品启动用户的兴趣

推荐的物品需要具有以下特点：比较热门、具有代表性和区分性、启动物品集合需要有多样性。

Nadav Golbandi在论文中提出可以使用一个决策树解决这个问题，具体来说，计算对于喜欢不喜欢和无评分的三类用户中区分度（方差）最高的那个，然后依次往下构造一个决策树。

一个例子，不成敬意：

3. 利用物品的内容信息

关键词向量->物品内容相似度

4. 专家标注

比如音乐基因项目。