利用文本相似度解决推荐系统冷启动问题

一、推荐系统的冷启动问题

推荐系统有一个万年问题，即“冷启动问题”。冷启动问题是指在系统积累数据量过少的情况下做推荐，导致无法给用户做个性化推荐的问题。冷启动问题可分为三类：

1、用户冷启动

用户冷启动是指当新用户到来时，由于缺失用户的行为数据，所以无法根据他的历史行为预测其兴趣，从而无法借此给用户做个性化推荐。出现用户冷启动问题时，主要是解决如何给新用户做个性化推荐的问题。

2、物品冷启动

物品冷启动是指当新物品上架时，由于没有物品的历史数据，所以无法根据历史记录将其推荐给可能对它感兴趣的用户的问题。出现物品冷启动问题时，主要是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。

3、系统冷启动

系统冷启动是指当推出新系统时，为这个系统设计个性化推荐系统的问题。出现系统冷启动问题时，主要是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。

 

二、推荐系统冷启动问题的解决方案

解决冷启动问题的方案主要有：

1、对新用户，利用用户注册时提供的年龄、性别、地区、喜好、关联的社交账号相关信息、好友信息等数据，做个性化推荐；

2、对新用户，推荐热门排行榜，等收集到用户数据后再进行个性化推荐；

3、对新物品，根据物品描述和内容信息，进行个性化推荐；

4、对新物品，提升粒度，