问题简介
用户冷启动、物品冷启动、系统冷启动
解决方法
- 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
)
∩
U
(
f
)
∣
p(f, i)=|N(i) \cap U(f)|
p(f,i)=∣N(i)∩U(f)∣
改进:
p ( f , i ) = ∣ N ( i ) ∩ U ( f ) ∣ ∣ N ( i ) ∣ + α p(f, i)=\frac{|N(i) \cap U(f)|}{|N(i)|+\alpha} p(f,i)=∣N(i)∣+α∣N(i)∩U(f)∣
- 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:
- 利用物品的内容信息
关键词向量->物品内容相似度
- 专家标注
比如音乐基因项目。