推荐系统——冷启动问题

冷启动简介：

①用户冷启动：
如何给新用户个性化推荐问题
②物品冷启动：
如何将新的物品推荐给可能对他感兴趣的用户
③系统冷启动：
如何在一个新开发的网站上设计个性化推荐系统

即提供非个性化的推荐，即提供热门排行榜，之后再个性化

一．利用用户注册信息

在网站中，当新用户刚注册时，只能给他推荐一些热门的商品，但如果知道她是一位女性，则可以推荐女性都喜欢的热门商品，当然这个粒度很粗，但利用注册信息确实可以解决一些用户冷启动问题

用户注册信息分3中：
①人口统计学信息：包括年龄、性别、职业、民族、学历、居住地（粗粒化推荐）
②用户兴趣的描述
③从其它网站导入的用户站外行为数据：比如通过豆瓣、新浪微博的账号登陆
基于用户注册信息的推荐算法其核心问题是计算每种特征的用户喜欢的物品，即计算具有这种特征的用户对各个物品的喜好程度p(f,i)

P(f,i) = | N(i)∩U(f) | / | N(i) | + a

N(i)是喜欢物品i的用户集合，U(f)是具有特征f的用户集合，参数a的目的是解决数据系数的问题。比如有一个物