4招有效解决推荐系统冷启动难题

在探讨冷启动问题前，我们先明白什么是智能推荐？

智能推荐根据用户每个人的性别、年龄、爱好等维度塑造的静态用户画像，和用户每一次点击、点赞、评论、收藏等行为数据形成的动态用户画像相结合，来结合挖掘用户深层次兴趣需求维度。再借助产品的信息，从大量产品信息中找到用户感兴趣的产品推送出去。简而言之，智能推荐是根据用户的历史行为和兴趣预测用户未来的行为和兴趣。

所以大量的用户行为数据成为推荐系统的重要组成部分和先决条件，如何在没有大量用户数据的情况下设计个性化推荐系统，并且让用户对推荐结果满意从而愿意使用推荐系统，就是冷启动的问题。

冷启动问题主要分为3类：

1.用户冷启动

用户冷启动主要解决如何给新用户做个性化推荐的问题。当新用户到来时，我们没有他的行为数据，所以也无法根据他的历史行为预测其兴趣，从而无法借此给他做个性化推荐。

2.物品冷启动

物品冷启动主要解决如何将新的物品推荐给可能对它感兴趣的用户这一问题。

3.系统冷启动

系统冷启动主要解决如何在一个新开发的网站上（还没有用户，也没有用户行为，只有一些物品的信息）设计个性化推荐系统，从而在网站刚发布时就让用户体验到个性化推荐服务这一问题。

知道了什么是冷启动，接下来提供几种解决方案：

1. 热门榜单推荐

现有的数据可以根据热度排序形成产品的热门榜单，给刚进来的用户推荐，等到用户行为数据收集到一定程度的时候，再切换个性化推荐。

2. 利用用户注册信息

根据用户注册时候提供的性别、年龄、职业等数据可以做粗粒度的个性化，推荐相关性高的产品。基于注册信息的个性化推荐流程基本如下：

(1)获取用户的注册信息；

(2)根据用户的注册信息对用户分类；

(3)给用户推荐他所属分类中用户喜欢的物品。

比如刚进入的用户性别是女，年龄25岁，财务人员。查询3张离线计算好的相关表：一张是性别-书籍相关表，从中可以查询女性最喜欢的书籍；一张是年龄-书籍相关表，从中可以查询到25岁用户最喜欢的书籍；一张是职业-书籍相关表，可以查询到财务人员最喜欢的书籍。然后，我们可以将这3张相关表查询出的书籍列表按照一定权重相加，得到给用户的最终推荐列表：25岁女性白领喜欢的书籍。

3. 用户登录自选标签

要求用户登录时选择一个或者多个标签，然后收集整理用户感兴趣的范围，去推荐相关性高的内容和商品。这个方法现在很常见，新用户进来之后需要选择自己喜欢的分类或内容，后面再推荐相关的产品信息。

4.利用物品的内容信息

利用物品的内容信息，将新物品先投放给曾经喜欢过和它内容相似的其他物品的用户，解决了如何将新加入的物品推荐给对它感兴趣的用户的问题。不过当新物品加入时，内存中的物品相关表中不会存在这个物品，从而无法推荐新的物品。解决这一问题的办法是频繁更新物品相似度表。

达观智能推荐

达观智能推荐系统，是达观数据自主研发的智能推荐引擎，结合自研的NLP(自然语言处理)技术，完成对用户行为、推荐产品的语义分析，实现“千人千面”的个性化推荐服务。 

达观智能推荐引擎，是一个经过长期技术积累以及市场打磨的成熟推荐产品，已经为各行各业数百家企业提供智能推荐服务，帮助各个企业提升产品价值。达观智能推荐引擎有如下优势：

产品成熟

达观智能推荐引擎是一个稳定、高效的成熟产品，推荐引擎自主研发，并且提供功能强大的后台配置系统，可以随时观察推荐效果、调整推荐策略，摒弃传统黑盒模式，让客户看得见，摸得着。

技术实力

达观推荐技术团队成员，技术过硬，有着多年推荐产品开发的经验以及推荐算法调优经验，并在EMI数据科学黑客马拉松大赛和KDD CUP国际知识发现和数据挖掘竞赛中多次获得优异成绩。

冷启动经验丰富

无论是新用户、新物品、新系统，冷启动的问题都不可避免。达观智能推荐系统，通过自研算法，结合NLP技术，快速建立画像，有效缓解冷启动的问题。

快速见效

达观智能推荐产品，拥有不同的交付方式。可以根据企业所需，提供SAAS服务，也可进行私有化部署。但是无论形式如何，周期短，见效快。完成数据上报之后，1-2周即可见效，开箱即用。

丰富的行业经验

达观智能推荐产品，已经服务了金融、电商、资讯、直播等等不同行业数百家客户，并且支持多平台，包括app、pc、web等。针对不同场景都具有丰富的工程化经验，可以帮助企业梳理推荐思路，对症下药。

相关阅读

戳原文，申请试用达观智能推荐