推荐系统中冷启动问题

冷启动问题是什么？

推荐系统是建立在大量的用户行为数据上的，如果一个个性化推荐系统在启动之初，不具备大量的用户行为数据，怎么设计一个个性化推荐系统并且让用户对推荐的结果满意,初步产生用户粘性。这就是冷启动问题需要考虑的范畴。

利用用户的注册信息

主要是如何通过用户注册时填写的人口统计信息给用户提供粗粒度的个性化推荐。人口统计学
信息包括：年龄、性别、工作、学历、居住地、国际、民族等。

基于注册信息的个性化推荐算法基本流程如下：

1. 获取用户的注册信息
2. 根据用户的注册信息对用户进行分类
3. 给用户推荐他所属分类的用户喜欢的物品
   

在登陆时要求用户对一些物品进行反馈
对于需要用户首先对物品进行评分，然后才能开启个性化推荐的系统来说，需要解决的首要问题是，如何选择让用户进行评分的启动物品，一般来说需要具有以下的特征：

热门
具有代表性和区分性

启动物品集合需要有多样性 启动物品需要具有高覆盖率来覆盖几乎主流的用户兴趣。

在论文Adaptive Bootstrapping of Recommender Systems Using Decision Trees中，作者使用决策树设