推荐系统中的冷启动 .pdfVIP

推荐系统中的冷启动

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让用

户对推荐结果满意从而愿意使用推荐系统，就是冷启动问题。

1冷启动的分类

冷启动主要分为3类：用户冷启动、物品冷启动和系统冷启动。

用户冷启动：解决的是如何给新用户做个性化推荐的问题。当一

个新用户进入网站或App时，由于系统之前没有任何关于该用户的历

史行为数据，无法对用户进行兴趣建模，从而无法为该用户进行个性

化推荐。

物品冷启动：解决的是如何将新加入系统的物品推荐给可能对其

感兴趣的用户。物品冷启动在新闻网站等时效性很强的网站中非常重

要。新物品没有任何被动行为，在系统中所占的权重几乎为0，这会

导致在对商品排序或进行协同过滤推荐时该物品无法出现在推荐列

表中。

系统冷启动：解决的是在一个新系统中没有用户，也没有用户行

为，只有物品信息时，如何给用户进行个性化推荐的问题。例如，如

何在一个新开发的网站上设计个性化推荐，从而在网站刚发布时就让

用户体验到个性化推荐服务。

2冷启动的几种实现方法

1)基于热门数据推荐实现冷启动

热门数据是指（某类）物品按照一定规则进行排序得到的排名靠

前的数据。热门数据反映的是大众的偏好，但受外界影响因素较大。

例如，某电商网站上的一个商品推广广告，可能会使该商品在很短的

时间内热度飙升；某新闻网站中的一条娱乐新闻，其热度容易受舆论

和明星效应的影响。

虽然热门数据不能够准确地传达出用户偏好，但在某种程度上也

是用户群体中大部分人的短期兴趣点。将热门数据作为解决用户冷启

动的推荐数据，“个性化”地展示给用户，用户在这些数据中产生行

为之后，再进行个性化推荐。

热门数据排行榜在实际场景中应用十分广泛。例如，当用户新到

达一个地方，打开某生活服务App的美食频道后，附近的商家就会默

认以热度排序展示给用户。另外一个关于热门数据推荐的典型的例子

是微博的“热搜”，无论首次访问用户还是已经有大量历史行为的用

户，他们看到的热搜内容是一致的，虽然这里并没有进行个性化展示，

但依旧能够保证用户在该频道的活跃程度。这也间接证明了热门数据

在推荐系统中的有效性和必要性。

2)利用用户注册信息实现冷启动

用户注册信息是指用户在新注册一个系统时所填写的信息。这些

信息是联系新用户和系统的关键，也是系统获取的用户直接信息。

当一个新用户注册某个网站时，系统并不知道该用户喜欢什么物

品，系统可以基于热门数据推荐为用户进行商品推荐。但如果系统能

在用户进行注册时获取一些信息，则可以根据这些信息为用户进行商

品推荐。例如，系统如果知道该用户来自西南，那么就可以给他推荐

一些西南地区的热门物品；如果知道该用户是来自西南的女性朋友，

那么就会在地域的约束条件内，再给她推荐一些适合女性使用的物品。

3)利用用户上下文信息实现冷启动

在实际的业务场景中，用户的上下文信息所构造的特征维度更加

丰富，如用户使用的设备信息、用户所处的时间地域信息等。

设备信息主要是用户进行浏览的载体（如手机、平板电脑、计算

机等）的信息。不同设备所携带的信息是不一样的。例如，手机或平

板电脑的操作系统分为iOS、Andriod等；计算机的操作系统分为

Windows、macOS、UNIX等，手机和计算机品牌更是多种多样，不同

设备的分辨率、屏幕尺寸、价格也是不一样的。不同设备下用户的偏

好也是不一样的。例如，iOS系统的用户可能是一个“苹果粉”，那

么在冷启动时就可以推荐一些与苹果相关的产品，为了提升推荐系统

的丰富度，也可以推荐一些手机数码类别的商品。再如，用户是用

UNIX系统进行商品浏览的，那么该用户有可能是IT工作者，可以给

该用户推荐一些数码、技术书籍等商品。

时间和地域信息是推荐系统中比较重要的信息，针对冷启动，时

间和地域是怎样发挥它们的作用呢？时间可以是节假日、季节、周末

等。地域可以是省区市、经纬度等，也可以是逻辑上的区域划分（如

中关村软件园、商务中心区、海滨城市等）。当一个新用户来访时，

通过对其建立时间和地域上的映射来为用户召回相关的商品并进行

推荐。

4)利用第三方数据实现冷启动

目前很多App支持第三方账户登录。通过第三方的授权登录，系

统可以获取到用户在第三方平台上的相关信息（包括用户本身的属性

信息和朋友关系信息