作者：HaigLee
https://www.jianshu.com/u/67ec21fb270d
本文由 HaigLee 发布。未经许可，禁止转载。
冷启动研究的是在没有大量用户数据和商品数据的情况下，如何给来访用户推荐能够让用户接受的推荐内容。在实际的业务场景中，冷启动是广泛存在的，只有充分理解冷启动问题，才能给用户推荐满意的内容。
1. 冷启动的分类
- 用户冷启动
解决的是如何给新用户进行个性化推荐的问题。当一个新用户进入网站或APP时，由于系统之前没有任何关于该用户的历史行为数据，导致无法对用户进行兴趣建模，从而无法为该用户进行个性化推荐。 - 物品冷启动问题
解决的是如何将新加入系统的物品推荐给用户。由于新物品没有任何被动行为，在系统中所占的权重几乎为0，这会导致在对商品排序或进行协同过滤推荐时，改物品无法出现在推荐列表中。 - 系统冷启动
解决的是在一个新系统中没有用户，也没有用户行为，只有物品信息，如何给用户进行个性化推荐的问题。
2. 冷启动的几种实现方法
针对推荐系统冷启动，主要有以下几种实现方法：
- 基于热门数据推荐
- 利用用户注册信息
- 利用用户上下文信息
- 利用第三方数据
- 利用用户和系统之间的交互
- 利用物品内容属性
- 利用专家标注数据
作者：HaigLee
https://www.jianshu.com/u/67ec21fb270d
本文由 HaigLee 发布。未经许可，禁止转载。
网友评论