轉自http://blog.csdn.net/zhangjunjie789/article/details/51379127 如何在沒有大量用戶數據的情況下設計個性化推薦系統並且讓用戶對推薦結果滿意從而願意使用推薦系統，就是冷啟動問題。 冷啟動問題主要分為三類： （1） 用戶冷啟動 ...

一、冷啟動問題介紹 如何在沒有大量用戶數據的情況下設計個性化推薦系統並讓用戶對推薦結果滿意從而願意使用推薦系統，就是冷啟動問題。 用戶冷啟動：如何給新用戶做個性化推薦 物品冷啟動：如何將新物品推薦給可能對其感興趣的用戶。在新聞網站等時效性很強的網站中非常重要。 系統冷啟動 ...

7.1 外圍架構 7.2 推薦系統架構 基於特征的推薦系統架構 用戶喜歡的物品、用戶相似的用戶也可以抽象成特征； 基於特征的推薦系統核心任務就被拆解成兩部分，一個是如何為給定用戶生成特征，另一個是如何根據特征找到物品； 用戶特征種類 ...

1.1 什么是推薦系統 （1）解決信息過載的三種方式： 分類目錄（雅虎） 搜索引擎（谷歌）：滿足用戶有明確目的時的主動查找請求； 推薦系統：用戶沒有明確目的時幫助他們發現感興趣的內容。 （2）推薦系統可以更好的發掘商品的長尾 　　傳統2/8理論受到挑戰。互聯網條件下 ...

3.1 冷啟動問題簡介 　　主要分三類： 　　1.用戶冷啟動：如何給新用戶做個性化推薦。 　　2.物品冷啟動：如何將新的物品推薦給可能對它感興趣的用戶這一問題。 　　3.系統冷啟動：如何在一個新開發的網站上設計個性化推薦系統。 　　解決方案： 　　1.提供非個性化的推薦：熱門排行榜 ...

　　在書的“后記”部分，作者列出了Strand研究人員總結的“推薦系統十堂課”，總結了他們設計推薦系統的經驗和教訓。 1. 確定你真的需要推薦系統 　　個人評價：不是為了推薦而推薦，推薦只是手段，關鍵看用戶價值在哪里，從用戶角度出發，真正能幫助用戶。 2. 確定商業目標和用戶滿意度之間的關系 ...

目錄 問題描述 數據層面 高效利用屬性特征 基於內容的推薦 組推薦/聚類 基於圖的推薦 基於遷移學習的推薦 多行為推薦 模型層面 元學習/元優化 探索和利用 參考文獻 ...

2.1 用戶行為數據簡介 用戶行為數據可分為顯性反饋行為和隱性反饋行為； 用戶數據的統一表示； 2.2 用戶行為分析　　在設計推薦算法之前需要對用戶行為數據進行分析，了解數據中蘊含的一般規律可以對算法的設計起到指導作用。 用戶活躍度和物品流行度 ...