推荐系统实践_项亮（3）推荐系统冷启动问题

刺骨的言语ヽ痛彻心扉 2022-01-11 14:27 241阅读 0赞

**目录**

3.1 冷启动问题简介

3.2 利用用户注册信息

3.3 选择合适的物品启动用户的兴趣

3.4 利用物品的内容信息

3.5 发挥专家的作用

--------------------

### 3.1 冷启动问题简介 ###

分3类：

（1）用户冷启动。新用户到来时，无历史行为怎么预测？

（2）物品冷启动。新物品怎么推荐给感兴趣的用户？

（3）系统冷启动。新网站，还没有用户，只有新物品，怎么个性化推荐？

解决方案：

（1）非个性化推荐：热门。

（2）用户注册时提供的年龄、性别等粗粒度推荐。

（3）利用用户登陆的社交账户好友信息，推荐好友喜欢的物品（授权）。

（4）登录时，要求用户对物品反馈，给用户推荐相似物品。

（5）对于新物品，根据内容信息，推荐给喜欢类似物品的用户。

（6）系统冷启动时，引入专家知识。

### 3.2 利用用户注册信息 ###

注册信息分3种：

（1）人口统计学：年龄，性别，职业，民族，学历，居住地。

（2）用户兴趣描述

（3）从其他网站导入的用户站外行为数据

举例：

Bruce Krulwich开发的Lifestyle Finder：将人口统计学属性分成62类，新用户过来时判断分类，推荐这类喜欢的电视剧

核心：计算每种特征的用户喜欢的物品。

### 3.3 选择合适的物品启动用户的兴趣 ###

选择合适的物品收集新用户的反馈，获取新用户的兴趣。

用来启动用户兴趣的物品的特点：

（1）比较热门：一开始要吸引用户把反馈做下去，不能太冷门

（2）具有代表性和区分性：不能老少咸宜

（3）启动物品的集合多样性：可以考虑让用户选择类型

选择冷启动物品的方法：Nadav Golbandi：决策树

对于物品i，Nadav Golbandi将用户分成3类——喜欢物品i的用户、不喜欢物品i的用户和不知 道物品i的用户(即没有给i评分的用户)。如果这3类用户集合内的用户对其他的物品兴趣很不一 致，说明物品i具有较高的区分度。

（1）建决策树的过程

先从所有用户中找出具有最高区分度的物品i，然后将用户分成3类

在每类用户中，再找出具有最高区分度的物品，再将用户分成3类

.......

可以将用户分类

（2）预测分类

冷启动时，对新用户从根结点询问节点物品的看法，依次走下去，最终可以得到用户的分类。

### 3.4 利用物品的内容信息 ###

实效性强的新闻很重要。比如，当一个新闻来时，基于用户的协同过滤也可以（基于用户的协同过滤：只要有一小部分人发现并喜欢新物品，就可以扩散开来），但是要解决第一推动力：第一个用户从哪儿发现新物品？

（1）随机展示不太个性化

（2）基于内容：先给喜欢过和它内容相似的其他物品的用户

文本型内容：词袋，权重用TF-IDF。再计算相似度，找到内容相似的其他物品。

不同场景的应用：  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTc3MDE2OQ_size_16_color_FFFFFF_t_70][]

第一种，基于物品的协同过滤效果最好。基于内容的忽略了热点和行为数据。

第二种，基于内容的物品推荐效果最好。github资源比较特殊，程序员关心的作者，项目内容相关性很大。

将两种方法融合，应该效果最好。

LDA（Latent Dirichlet Allocation）隐狄利克雷分布：计算内容相似度。

### 3.5 发挥专家的作用 ###

音乐相似度？音乐各个维度的分数：专家评估

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTc3MDE2OQ_size_16_color_FFFFFF_t_70]: /images/20220110/5a035cfe00724d8bbbb2b326e4a0af7c.png

发表评论取消回复

表情：

评论列表（有 0 条评论，241人围观）

还没有评论，来说两句吧...

相关阅读

相关推荐系统-冷启动问题

推荐系统的冷启动问题推荐系统冷启动概念用户冷启动：如何为新用户做个性化推荐物品冷启动：如何将新物品推荐给用户（协同过滤）

傷城~/ 2022年09月17日 04:25/ 0 赞/ 194 阅读

相关推荐系统实践_项亮（1）好的推荐系统

目录第1章好的推荐系统 1.1 什么是推荐系统 1.2 个性化推荐系统的应用 1.2.1 电子商务 1.2.2 电影和视频网站 1.2.3 个性化音乐网络电台

约定不等于承诺〃/ 2022年04月15日 04:37/ 0 赞/ 230 阅读

相关推荐系统——冷启动问题

什么是冷启动？在之前有关推荐系统的博文中，都是基于用户行为数据集，用户物品的数据集等已经累积的大量用户数据中进行算法推荐，形成个性化推荐系统。这些

水深无声/ 2022年04月12日 12:48/ 0 赞/ 241 阅读

相关推荐系统实践_项亮（5）利用上下文信息

目录 5.1 时间上下文信息 5.2 地点上下文信息 -------------------- 用户上下文信息也很重要：时间、地点、心情等。举例：衣服：季节

Bertha 。/ 2022年01月11日 23:39/ 0 赞/ 232 阅读

相关推荐系统实践_项亮（3）推荐系统冷启动问题

目录 3.1 冷启动问题简介 3.2 利用用户注册信息 3.3 选择合适的物品启动用户的兴趣 3.4 利用物品的内容信息 3.5 发挥专家的作用 ---------

刺骨的言语ヽ痛彻心扉/ 2022年01月11日 14:27/ 0 赞/ 242 阅读

相关推荐系统实践_项亮（8）评分预测问题

目录 8.1 离线实验方法 8.2 评分预测方法总结 -------------------- TOPN和评分预测问题 8.1 离线实验方法优化RM

我会带着你远行/ 2022年01月09日 17:59/ 0 赞/ 246 阅读

相关推荐系统实践_项亮（7）推荐系统实例

目录 7.1 外围架构 7.2 推荐系统架构 7.3 推荐引擎的架构 -------------------- 7.1 外围架构 ![watermark_typ

╰+攻爆jí腚メ/ 2022年01月09日 16:43/ 0 赞/ 285 阅读

相关推荐系统实践_项亮（6）社交网络数据

目录 6.1 获取社交网络数据的途径 6.2 社交网络数据简介 6.3 基于社交网络的推荐 6.4 给用户推荐好友 6.5 扩展阅读 ---------------

Bertha 。/ 2022年01月09日 16:05/ 0 赞/ 221 阅读

相关推荐系统中冷启动问题

冷启动问题是什么？推荐系统是建立在大量的用户行为数据上的，如果一个个性化推荐系统在启动之初，不具备大量的用户行为数据，怎么设计一个个性化推荐系统并且让用户对推荐的结果满

た入场券/ 2021年10月15日 06:54/ 0 赞/ 484 阅读

相关推荐系统实践学习系列（三）推荐系统冷启动问题

冷启动问题的出现如果在一开始的阶段就希望有个性化推荐应用的网站，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冷启动问题

青旅半醒/ 2021年06月24日 15:59/ 0 赞/ 422 阅读