推荐系统冷启动问题

推荐系统需要根据用户的历史行为和兴趣预测用户未来的行为和兴趣，因此大量的用户行为数据就成为推荐系统的重要组成部分和先决条件。对于很多做纯粹推荐系统的网站，或者很多在开始阶段就希望有个性化推荐应用的网站来说，如何在没有大量用户数据的情况下设计个性化推荐系统并且让用户对推荐结果满意从而愿意使用推荐系统，这就是 冷启动（cold start） 的问题。

冷启动问题简介

冷启动问题主要分3类：

• 用户冷启动

  主要解决如何给新用户做个性化推荐的问题。（缺少新用户的行为数据）

• 物品冷启动

  主要解决如何将新的物品推荐给可能对它感兴趣的用户这一问题。

• 系统冷启动

  主要解决如何在一个新开发的网站上（还没有用户，也没有用户行为，只有一些物品的信息）设计个性化推荐系统，从而在网站刚发布时就让用户体验到个性化推荐服务这一问题。

对于上述3种不同的冷启动问题，一般可参考如下解决方案：

• 提供非个性化的推荐

  最简单例子就是热门排行榜，等到用户数据收集到一定的时候，再切换为个性化推荐。

• 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。

• 利用用户的社交网络账号登录（需用户授权），导入用户在社交网站上的好友信息，然后给用户推荐其好友喜欢的物品。

文章来源: maoli.blog.csdn.net，作者：刘润森！，版权归原作者所有，如需转载，请联系作者。

原文链接：maoli.blog.csdn.net/article/details/115768185