转自http://blog.csdn.net/zhangjunjie789/article/details/51379127 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，就是冷启动问题。 冷启动问题主要分为三类： （1） 用户冷启动 ...

一、冷启动问题介绍 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。 用户冷启动：如何给新用户做个性化推荐 物品冷启动：如何将新物品推荐给可能对其感兴趣的用户。在新闻网站等时效性很强的网站中非常重要。 系统冷启动 ...

3.1 冷启动问题简介 问题分类： 用户冷启动 物品冷启动 系统冷启动 　　常用解决方案： 利用热销榜进行推荐 利用用户注册时的年龄、性别等数据做粗粒度的个性化 利用用户社交数据为其推荐好友喜欢的物品 要求用户在登录时对一些物品进行反馈，收集用户 ...

目录 问题描述 数据层面 高效利用属性特征 基于内容的推荐 组推荐/聚类 基于图的推荐 基于迁移学习的推荐 多行为推荐 模型层面 元学习/元优化 探索和利用 参考文献 ...

1.1 什么是推荐系统 　　80/20原则：80%的销售额来自于20%的热门品牌 　　不热门的商品数量极其庞大，这些长尾商品的总销售额将是一个不可小觑的数字，也许会超过热门商品带来的销售额。 　　主流商品代表了绝大多数用户的需求，而长尾商品代表了一小部分用户的个性化需求。 　　推荐系统 ...

什么是好的推荐系统： 一个完整的推荐系统包括三部分用户，网站，内容提供方。 好的推荐系统设计，能够让推荐系统本身收集到高质量的用户反馈，不断完善推荐的质量，增加 用户和网站的交互，提高网站的收入。因此在评测一个推荐算法时，需要同时考虑三方的利益， 一个好的推荐系统是能够 ...

推荐系统中经常会遇到EE问题和冷启动问题，Bandit算法就是为解决这两个问题的一种在线学习算法。 啥是EE问题 EE问题： 又称为exploit-explore问题。 exploit就是用户确定比较感兴趣的事物，要求准确率较高。 explore就是探索用户可能感兴趣的，新的事物 ...

　　上下文包括用户访问推荐系统的时间、地点、心情等。 5.1 时间上下文信息 5.1.1 时间效应简介 　　时间信息对用户兴趣的影响表现在以下几个方面： 　　1.用户兴趣是变化：关注最近行为 　　2.物品也是有生命周期的： 　　3.季节效应 5.1.2 时间效应举例 5.1.3 ...