什麼叫冷啟動？
分3種：
1、新使用者冷啟動：資料庫沒有該使用者的歷史行為資料
2、新商品冷啟動：同上
3、新系統冷啟動：啥都沒
常見的基本的解決辦法：
1、推薦熱門榜
2、使用者註冊是採集一些粗粒度的資訊，如年齡、性別；或者更細緻一點的做法：讓其指定一些偏好，或者喜歡的類別
3、利用使用者的sns賬號登陸，授權匯入使用者的社交資訊，推薦好友喜歡的
4、新加入的商品，利用內容進行推薦（just like 我的畢設）
方法1就不用說了，
方法2:利用註冊資訊
p(f, i)可以簡單定義為具有 f 特徵的使用者喜歡物品 i的程度
p(f, i) = | n(i) and u(f) |， 其中n(i)代表喜歡物品i的人們，u(f)代表具有f特徵的那一類使用者。
實驗證明前者不靠譜，後者更可靠。（對於推薦系統來說，熱門是毒瘤，總要想辦法去除）。
若要使用者在第一次登陸時對一些物品指定興趣，那麼這些物品最好具有代表性。也最好不是位於長尾的冷門物品（否則使用者很可能不知道它是什麼）。有*****利用決策樹來完成這項任務，其演算法簡要捋一捋，如下：
1）使用者分類
用一群使用者對物品評分的方差來度量這群使用者興趣的一致性。如果方差大，這群使用者興趣不太一致；反之，則比較一致。
也就是說，該演算法首先將使用者分成3類，喜歡物品i的，不喜歡物品i的，不知道物品i的（沒有給i評分）。如果以i劃分的這3類使用者群，對其他物品同樣表現的很不一致，說明物品 i 很具有區分性。
2）決策樹部分
構建決策樹，用最具有區分性的物品作為決策樹的根，以它劃分使用者群為3類；每一類中再選乙個最具區分性的物品，再劃分3類人群。依次往深里走。直到滿足一定條件，如方差閾值或者樹高度限制，停止。決策樹構建完成。
使用決策樹，最終可以通過對一系列典型物品的態度將使用者進行分類。即讓使用者首先對根物品選擇喜好，再根據使用者的選擇進入不同的分枝，直到進入最後的葉子節點。此時也就了解了該使用者大致的興趣。
推薦，根據使用者的興趣，個性化地推薦商品。
方法3 利用商品內容資訊
推薦系統 冷啟動問題
使用者冷啟動 即提供非個性化的推薦，即提供熱門排行榜，之後再個性化 使用者註冊資訊分3中 p f,i n i u f n i an i 是喜歡物品i的使用者集合，u f 是具有特徵f的使用者集合，引數a的目的是解決資料係數的問題。比如有乙個物品只被乙個使用者喜歡過，而這個使用者剛好就有特徵f，那麼p...
推薦系統冷啟動問題
一 冷啟動問題簡介 如何在沒有大量使用者資料的情況下設計個性化推薦系統並讓使用者對推薦結果滿意從而願意使用推薦系統，就是冷啟動問題。1.分類 3類 二 利用使用者註冊資訊解決冷啟動問題 即利用年齡 性別等資料。推薦一些熱門商品 該方法粒度較粗 如若是女性，則推薦女性都喜歡的商品。使用者註冊資訊含3種...
推薦系統 冷啟動問題
什麼是冷啟動？冷啟動問題的型別 主要分為三大類，使用者冷啟動，物品冷啟動和系統冷啟動。其實前兩者並不能想到，因為冷啟動問題說白了就是系統沒有使用者和物品的資料獲得根據做演算法推薦分析，所以使用者冷啟動和物品冷啟動是必然考慮。下面稍微的介紹一下者三大類 之前接觸過一些平台類似的解決這些冷啟動的方式，大...