推荐系统冷启动问题

推荐系统冷启动

• 新用户。该怎么给新用户推荐，才能让用户满意
• 新物品。怎么将新物品推荐出去，才能推荐给喜欢的人
• 系统冷启动。新用户+新物品

• 1. 用户冷启动
• 2. 物品冷启动
• 3. 系统冷启动
• 4. 总结

1. 用户冷启动

1. 推荐热门产品或者必需品。这些物品往往是热点或购买最多的产品。
2. 基于用户的信息来做推荐。比如年龄、性别等，但这需要提前知道用户的部分信息，可能比较难获取到
3. 多样性和区分行，将库中的物品进行聚类，给新用户每个类中都推荐几个，总有一款是你喜欢的
4. 当用户有很少的行为记录时，这时很多算法（例如协同过滤）等还无法给用户做推荐，可以采用基于内容的推荐算法
5. 当产品在拓展过程中，比如原先只做长视频推荐，后来拓展到短视频，那么可以根据长视频的观看历史计算用户的相似度，然后根据用户相似度对新用户推荐短视频
6. 当用户注册时，让用户选择自己的兴趣，可以做一些诙谐幽默的问题，让用户选择。
7. 利用社交信息做冷启动，将好友喜欢的物品推荐给新用户
8. 利用用户在其他地方已经沉淀的数组做冷启动。比如现在很多应用在注册的时候都会选择是否使用微信/QQ/微博等账号登录，通过该用户在其他应用上数据进行推荐

2. 物品冷启动

1. 基于物品的属性推荐。一般新上线的物品都有些属性，根据这些属性找到与该物品最相似的物品，这些相似的物品被哪些用户消费过，可以把这个新物品推荐给消费过的用户

3. 系统冷启动

1. 系统先收集一段时间的用户行为数据，先不调用推荐结果。
2. 历史数据迁移。

4. 总结

• 用户冷启动往往采用多样性和探索推荐的方式，融合实时受欢迎，热门，跨数据平台等多种方式。
• 物品冷启动以语义相似推荐为主，通过时间权重干预的方式帮助新物品获得更多的曝光量
• 系统冷启动可以先积累用户数据，或历史数据导入的方式将系统冷启动问题转化为用户冷启动或物品冷启动。