2021-09-13冷启动问题主要分为 3 类，用户冷启动，即如何给新用户做个性化推荐物品冷启动，即如何将新的物品推荐给可能对它感兴趣的用户系统冷启动，即如何在一个新开发的网站

2.冷启动的分类

冷启动问题主要分为 3 类：

用户冷启动，即如何给新用户做个性化推荐

物品冷启动，即如何将新的物品推荐给可能对它感兴趣的用户

系统冷启动，即如何在一个新开发的网站（没有用户，没有用户行为，只有部分物品信

息）上设计个性化推荐系统，从而在网站刚发布时就让用户体会到个性化推荐

3.冷启动问题的解决方案

3.1 提供非个性化的推荐最简单的例子就是提供热门排行榜，可以给用户推荐热门排行榜，等到用户数据收集到一

定的时候，再切换为个性化推荐。

关于热门排行榜解决推荐问题的理论测试，可以参考着篇文章 Performance of recomm

ender algorithms on top-n recommendation tasks.

并且 Netflix 的研究也表明新用户在冷启动阶段确实是更倾向于热门排行榜的，老用户会

更加需要长尾推荐。

3.2 利用用户注册信息

用户的注册信息主要分为 3 种：

1）人口统计学信息，包括年龄、性别、职业、民族、学历和居住地

2）用户兴趣的描述，部分网站会让用户用文字来描述兴趣

3）从其他网站导入的用户站外行为，比如用户利用社交网站账号登录，就可以在获得用

户授权的情况下导入用户在该社交网站的部分行为数据和社交网络数据

这种个性化的粒度很粗，假设性别作为一个粒度来推荐，那么所有刚注册的女性看到的都

是同样的结果，但是相对于男女不区分的方式，这种推荐精度已经大大提高了。

推荐流程基本如下：

1 获取用户的注册信息

2 根据用户的注册信息对用户分类

3 给用户推荐他所属分类中用户喜欢的物品下面便是一个利用用户的注册信息进行推荐的例子：

3.3 选择合适的物品启动用户的兴趣

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。

一般来说，能够用来启动用户兴趣的物品需要具有以下特点：

1. 比较热门，如果要让用户对物品进行反馈，前提是用户得知道这是什么东西；

2. 具有代表性和区分性，启动用户兴趣的物品不能是大众化或老少咸宜的，因为这样的物

品对用户的兴趣没有区分性；

3. 启动物品集合需要有多样性，在冷启动时，我们不知道用户的兴趣，而用户兴趣的可能

性非常多，为了匹配多样的兴趣，我们需要提供具有很高覆盖率的启动物品集合，这些物

品能覆盖几乎所有主流的用户兴趣。

3.4 利用物品的内容信息

用来解决物品的冷启动问题，即如何将新加入的物品推荐给对它感兴趣的用户。物品冷启

动问题在新闻网站等时效性很强的网站中非常重要，因为这些网站时时刻刻都有新物品加

入，而且每个物品必须能够再第一时间展现给用户，否则经过一段时间后，物品的价值就

大大降低了。

针对协同过滤的两种推荐算法——userCF 算法、itemCF 算法来分别了解一下物品冷启动

的问题。

userCF 算法

针对推荐列表并不是给用户展示内容的唯一列表（大多网站都是这样的）的网站

当新物品加入时，总会有用户通过某些途径看到，那么当一个用户对其产生反馈后，和他

历史兴趣相似的用户的推荐列表中就有可能出现该物品，从而更多的人对该物品做出反

馈，导致更多的人的推荐列表中出现该物品。因此，该物品就能不断扩散开来，从而逐步

展示到对它感兴趣用户的推荐列表中

针对推荐列表是用户获取信息的主要途径（例如豆瓣网络电台）的网站

userCF 算法就需要解决第一推动力的问题，即第一个用户从哪儿发现新物品。最简单的方

法是将新的物品随机战士给用户，但是太不个性化。因此可以考虑利用物品的内容信息，

将新物品先投放给曾经喜欢过和它内容相似的其他物品的用户

itemCF 算法

对 itemCF 算法来说，物品冷启动就是很严重的问题了。因为该算法的基础是通过用户对

物品产生的行为来计算物品之间的相似度，当新物品还未展示给用户时，用户就无法产生行为。为此，只能利用物品的内容信息计算物品的相关程度。基本思路就是将物品转换成

关键词向量，通过计算向量之间的相似度（例如计算余弦相似度），得到物品的相关程

度。

下表列出了常见物品的内容信息：

2021-09-13冷启动问题主要分为 3 类，用户冷启动，即如何给新用户做个性化推荐物品冷启动，即如何将新的物品推荐给可能对它感兴趣的用户系统冷启动，即如何在一个新开发的网站相关推荐

实习日志（2021.09.13）
2021.09.13星期一今天把之前的算法题终于给弄明白了,并能够按照自己的思路去把他给完成,总结这个题目并不是很难,最重要的是要把链表给弄懂,一开始由于我对链表不是很熟悉,导致我在写该题目的时候花 ...
开源H5盲盒商城源码系统4.0|vue+TP5php框架开发开源网站+安装教程
vue+tp5框架编写,H5网页,前后端分离,开源无加密无授权,可以二开使用. 含充值3级分销,盲盒回收成余/额功能/晒图/盲盒转增功能. 带微信无限回调登录.易支付码支付通用聚合接口.短信宝短信.阿 ...
推荐系统冷启动问题（用户冷启动、物品冷启动、系统冷启动）
"无意中发现了一个巨牛的人工智能教程,忍不住分享一下给大家.教程不仅是零基础,通俗易懂,而且非常风趣幽默,像看小说一样!觉得太牛了,所以分享给大家.点这里可以跳转到教程." 推荐系 ...
基于matlab得图像感兴趣区域提取
对于图像感兴趣区域(ROI)的提取,一般从来两个方面着手解决:一是利用图像分割技术提取ROI:二是从人眼得视觉特征出发,通过模拟人眼得视觉特点,寻找特定得视觉敏感区域,并将这些视觉敏感区域排序作为RO ...
推荐系统：冷启动问题【用户冷启动、物品冷启动、系统冷启动】
冷启动是推荐系统的重要挑战之一,也是推荐系统中非常重要的一个问题,有很多读者可能对冷启动不是特别了解或者不知道怎么设计一个好的冷启动方案,所以本文试图给大家讲清楚这些问题. 一.冷启动概述 1.什么是 ...
外部数据的合规引入助力银行用户营销系统冷启动
易观数字化:银行由于内部数据源单一大都面临着用户冷启动困难的挑战,而合规地引入外部数据可以大幅提升用户画像的准确率和营销效果.虽然隐私计算为外部数据合规应用提供了新的解决途径,但仍需进一步探索落实. ...
推荐系统之UserCF2：用户对商品的感兴趣程度
基于用户的协同过滤,从定义来说,可以分为以下两步进行: 一.找到和目标用户兴趣相似的用户集合二.找和这个集合中的用户喜欢的,且目标用户没有听说过的物品推荐给目标用户在上一篇已经介绍过了如何计算与目 ...
大众点评网谈成功秘诀：明白用户感兴趣、需要和寻找的是什么
如今的互联网用户,大多都能够熟练地使用搜索引擎查找到自己需要的信息,"浏览.输入.搜索"早已成为最普遍的上网场景.但是,并不是所有的互联网企业都懂得怎样通过掌握"场景&q ...
小明对类似于 hello 这种单词非常感兴趣，这种单词可以正好分为四段，第一段由一个或多个辅音字母组成，第二段由一个或多个元音字母组成，第三段由一个或多个辅音字母组成，第四段由一个或多个元音字母组成。
小明对类似于 hello 这种单词非常感兴趣,这种单词可以正好分为四段,第一段由一个或多个辅音字母组成,第二段由一个或多个元音字母组成,第三段由一个或多个辅音字母组成,第四段由一个或多个元音字母组成. ...
橘子CPS联盟操作手册2021.09
橘子CPS联盟操作手册2021.09 目录橘子CPS联盟操作手册2021.09 橘子CPS联盟是干嘛的橘子CPS基本操作流程 PC端操作 1.注册 2.登陆 3.渠道管理 4.分享网站 5.分享网 ...

2021-09-13冷启动问题主要分为 3 类，用户冷启动，即如何给新用户做个性化推荐物品冷启动，即如何将新的物品推荐给可能对它感兴趣的用户系统冷启动，即如何在一个新开发的网站

冷启动问题主要分为 3 类：

2021-09-13冷启动问题主要分为 3 类，用户冷启动，即如何给新用户做个性化推荐物品冷启动，即如何将新的物品推荐给可能对它感兴趣的用户系统冷启动，即如何在一个新开发的网站相关推荐

最新文章

热门文章