推薦系統冷啟動問題

①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) | + a

n(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(f,i)=1，但是這種情況沒有意義，因此加上乙個較大的數，避免這樣的物品產生大的權重

這個方法是在新使用者第一次訪問推薦系統時，不立即給使用者展示推薦結果，而是給使用者提供一些物品，讓使用者反饋他們對這些物品的興趣，然後根據反饋提供個性化推薦。例：jinni會給出一條提示語，表示使用者需要給多部電影評分才能獲取推薦結果。

一般來說能夠用來啟動使用者興趣的物品需要具有以下特點：

①比較熱門：

讓使用者熟知或認識，否則如何評分

②具有代表性：

以電影為例，用一部票房很高且受歡迎的電影做啟動物品，可以想象的到時幾乎所有使用者都會喜歡這部電影，無法區分個性化興趣

③多樣性

物品冷啟動在新聞**等時效性很強的**中非常重要，因為那些**中時時刻刻都有新加入的物品，而且每個物品必須能夠在第一時間展現給使用者

d =

w = di*dj / sqrt( || di ||*|| dj || )

物品相似度通過向量之間的余弦相似度計算

推薦系統 冷啟動問題