冷启动笔记-引用[图灵原创].推荐系统实践

冷启动问题（cold start）主要分3类。

1. 用户冷启动 用户冷启动主要解决如何给新用户做个性化推荐的问题。当新用户到 来时，我们没有他的行为数据，所以也无法根据他的历史行为预测其兴趣，从而无法借此给他。

2. 做个性化推荐。
   2.1 物品冷启动 物品冷启动主要解决如何将新的物品推荐给可能对它感兴趣的用户这一问题。
   2.2 系统冷启动 系统冷启动主要解决如何在一个新开发的网站上（还没有用户，也没有用户行为，只有一些物品的信息）设计个性化推荐系统，从而在网站刚发布时就让用户体验到个性化推荐服务这一问题。对于这3种不同的冷启动问题，有不同的解决方案。一般来说，可以参考如下解决方案。

    2.2.1提供非个性化的推荐 非个性化推荐的最简单例子就是热门排行榜，我们可以给用户推荐热门排行榜，然后等到用户数据收集到一定的时候，再切换为个性化推荐。
    2.2.2 利用用户注册时提供的年龄、性别等数据做粗粒度的个性化。
    2.2.3 利用用户的社交网络账号登录（需要用户授权），导入用户在社交网站上的好友信息，然后给用户推荐其好友喜欢的物品。
   

   2.3 反馈机制要求用户在登录时对一些物品进行反馈，收集用户对这些物品的兴趣信息，然后给用户推荐那些和这些物品相似的物品。对于新加入的物品，可以利用内容信息（物品标签维度），将它们推荐给喜欢过和它们相似的物品的用户。