推荐算法--推荐系统冷启动问题(03)
文章目录
- 目录
- 1.什么是冷启动问题?
- 1.1冷启动问题
- 1.2 冷启动问题的分类
- 1. 用户冷启动
- 2 物品冷启动
- 3 系统冷启动
- 2.如何解决冷启动问题?
- 2.1利用用户注册信息
- 2.2选择合适的物品启动用户的兴趣
- 2.3利用物品的内容信息
- 2.4 发挥专家的作用
目录
1.什么是冷启动问题?
1.1冷启动问题
对于一个新用户,新物品或者新系统,在没有大量的用户历史数据的情况下,如何
如果在一开始的阶段就希望有个性化推荐应用的网站让用户对推荐结果满意从而愿意使用推荐系统
1.2 冷启动问题的分类
1. 用户冷启动
- 新用户无行为数据,无法根据新用户的历史行为预测其兴趣的问题
2 物品冷启动
- 新的物品入库的时候推荐给对该物品感兴趣的用户的问题
3 系统冷启动
一个新开发的网站(无用户、无用户行为,只有物品信息) 的情况下设计个性化推荐系统
解决的方法如下:
1.提供非个性化的推荐,简单例子为热门排行,等到用户数据收集到一定的时候,再切换为个性化推荐
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
3.利用用户的社交账号登陆,导入用户在社交网站上的好友信息,然后推荐给用户推荐其好友喜欢的物品
4.要求用户在登录时对一些物品进行反馈,搜集用户的兴趣信息,然后给用户推荐和物品相似的物品
5.对于新加入的物品,可以利用内容信息,将它们推荐给喜欢过和它们相似的物品的用户
6.在系统冷启动时,可以引入专家的知识,通过一定的高效的方式迅速建立起物品的相关度表。
2.如何解决冷启动问题?
2.1利用用户注册信息
2.2选择合适的物品启动用户的兴趣
2.3利用物品的内容信息
基于物品的内容信息主要介绍了两种主要的推荐算法:UserCF和ItemCF
- UserCF针对物品冷启动问题并不敏感:UserCF在给用户进行推荐时,会首先找到和用户兴趣 相似的一群用户,然后给用户推荐这一群用户喜欢的物品。在很多网站中,推荐列表并不是给用 户展示内容的唯一列表,那么当一个新物品加入时,总会有用户从某些途径看到这些物品,对这 些物品产生反馈。那么,当一个用户对某个物品产生反馈后,和他历史兴趣相似的其他用户的推 荐列表中就有可能出现这一物品,从而更多的人就会对这个物品产生反馈,导致更多的人的推荐 列表中会出现这一物品,因此该物品就能不断地扩散开来,从而逐步展示到对它感兴趣用户的推 荐列表中
- ItemCF针对物品冷启动问题算一个严重的问题:因为ItemCF算法的原理是给用户 推荐和他之前喜欢的物品相似的物品。ItemCF算法会每隔一段时间利用用户行为计算物品相似度 表(一般一天计算一次),在线服务时ItemCF算法会将之前计算好的物品相关度矩阵放在内存中。 因此,当新物品加入时,内存中的物品相关表中不会存在这个物品,从而ItemCF算法无法推荐新 的物品。解决这一问题的办法是频繁更新物品相似度表,但基于用户行为计算物品相似度是非常 耗时的事情,主要原因是用户行为日志非常庞大。而且,新物品如果不展示给用户,用户就无法 对它产生行为,通过行为日志计算是计算不出包含新物品的相关矩阵的。为此,我们只能利用物 品的内容信息计算物品相关表,并且频繁地更新相关表(比如半小时计算一次)
2.4 发挥专家的作用
推荐算法--推荐系统冷启动问题(03)相关推荐
- BPR贝叶斯个性化推荐算法—推荐系统基础算法(含python代码实现以及详细例子讲解)
BPR贝叶斯个性化排序算法 一.问题导入 二.显示反馈与隐式反馈 2.1 显式反馈与隐式反馈基本概念 2.2 显式反馈与隐式反馈的比较 2.3 显式反馈与隐式反馈的评价方法 2.3.1 显式反馈数据模 ...
- 推荐算法--推荐系统架构(06)
外围架构 一般来说,每个网站都有一个 UI 系统,UI 系统负责给用户展示网页并和用户交互.网站会通过日志系统将用户在 UI 上的各种各样的行为记录到用户行为日志中. 从上面的结构可以看到,除了推荐系 ...
- 推荐算法(二)--算法总结
转自:https://www.jianshu.com/p/1464eab67711 推荐算法分类 1 个性化推荐 1.1 基于用户推荐(Demographic-based Recommendation ...
- 基于SVD++隐语义模型的信任网络推荐算法
点击上方蓝字关注我们 基于SVD++隐语义模型的信任网络推荐算法 陈佩武1, 束方兴2 1 平安科技(深圳)有限公司,广东 深圳 518031 2 北京大学互联网研究院(深圳),广东 深圳 51805 ...
- 机器学习——推荐算法
文章目录 推荐算法 1 协同过滤算法 1.1 算法概述 推荐算法 推荐系统的核心问题是为用户推荐与其兴趣相似度比较高的商品. 此时需要一个函数f(x)来计算候选商品与用户之间的相似度,并向用户推荐相似 ...
- 学习笔记(03):推荐系统核心精讲-推荐系统冷启动
立即学习:https://edu.csdn.net/course/play/26133/323858?utm_source=blogtoedu 用户冷启动 提供非个性化推荐:热门推荐.提供多样化选择: ...
- 推荐算法炼丹笔记:如何让你的推荐系统具有可解释性?
作者:一元, 公众号:炼丹笔记 可解释性和有效性是构建推荐系统的两大关键成份,之前的工作主要关注通过引入辅助信息来获得更好的推荐效果.但这些方法会存在下面的两个问题: 基于神经网络的embedding ...
- 推荐系统常用的推荐算法
转载自 推荐系统常用的推荐算法 一.推荐系统概述和常用评价指标 1.1 推荐系统的特点 在知乎搜了一下推荐系统,果真结果比较少,显得小众一些,然后大家对推荐系统普遍的观点是: (1)重要性UI> ...
- 推荐系统系列教程之十一:那些在Netflix Prize中大放异彩的推荐算法
编者按:之前推出了<推荐系统系列教程>,反响不错,前面已经推出了十期,今天按约推出第十一期:那些在Netflix Prize中大放异彩的推荐算法.希望朋友们多点"在看" ...
最新文章
- 分享一套开源微信后台开发源码,简单配置就能使用(附源码)!
- QDoc文件结构documentstructure
- 缓存cache和缓冲区buffer
- 每个人都应该学git,最新GitHub上git指南我不信你不会git
- 拼多多加大百亿补贴力度,iPhone 12中配版券后价5899元
- 现在公司都不缺人了吗?软件测试工作经历3年居然被坑了?防不胜防
- 2019液晶电视机质量排名前十名
- iOS 技术支持网址
- java定义两个动物抽象类 程序_java抽象类和接口详解
- GPA计算 UESTC - 152
- 日本春令营在线比赛第一天总结
- 深度Linux如何安装驱动程序,在Deepin 20系统下手动安装N卡闭源驱动64-440.31.run的步骤...
- 最健康的程序员作息表
- 邮件的发送与接收原理
- 中国联通联合openGauss开源社区启动数据库自主创新
- 用于提高车牌识别的单幅噪声图像去噪和校正
- 数据归一化(详解,含代码实现)
- Axure交互-选中状态实现登录和注册Tab页切换
- 优思学院|六西格玛项目立项五大步骤
- qt 获得系统输入法列表_2020法考主观题机考模拟系统入口(正式开通)!
热门文章
- 哪些设计模式最值得学习
- figcaption html5,HTML5 figcaption 标签
- css 商城 两列_【云控基础】HTML+CSS基础入门
- Java代码服务器上下载图片_Java如何从服务器中下载图片
- python alter table_python(pymysql)之mysql简单操作
- eclipse编译java项目class文件_动态编译 Java 代码以及生成 Jar 文件
- php安装扩展步骤,PHP扩展安装方法步骤解析
- Microsoft.CSharp.dll程序集的作用
- 第十六节: EF的CodeFirst模式通过Fluent API修改默认协定
- 软件测试之-测试用例写作规范