问题
在推荐系统中,新用户进入系统,缺乏用户行为特征,无法准确地用常用的CF等方法进行推荐。
方案
利用用户注册信息
人口统计学信息: 年龄 性别 职业 名族 学历 居住地: 计算离线相关表(按照一定权重相加,或者)
给用户推荐热门物品并不是推荐系统的主要任 务,推荐系统应该帮助用户发现他们不容易发现的物品, 里分母中使用参数 的目的是解决数据稀疏问题。比如有一个物品只被1个用户喜欢过, 而这个用户刚好就有特征f,那么就有 p( f , i) 1 。但是,这种情况并没有统计意义,因此我们为 分母加上一个比较大的数,可以避免这样的物品产生比较大的权重,一般说来,粒度越细,精度和覆盖率也会越高。用户兴趣的描述: 文字描述兴趣
- 从其他网站导入的用户站外行为数据:其它网站的社交网络信息和行为数据
- 设备信息:已安装APP,已下载音乐
推荐最热门的
选择合适的物品启动用户的兴趣
能够用来启动用户兴趣的物品需要具有以下特点:
1.比较热门
2.具有代表性和区分性
3.启动物品集合需要有多样性
,
是喜欢物品i的用户集合,
是不喜欢物品i的用户集合,
是没有对物品i评分的用户集合.Nadav Golbandi将用户分成3类——喜欢物品i的用户、不喜欢物品i的用户和不知 道物品i的用户(即没有给i评分的用户)。首先会从所有用户中找到具有最高区分度的物品i,然后将用户分成3 类。然后在每类用户中再找到最具区分度的物品,然后将每一类用户又各自分为3类,也就是将 总用户分成9类
上下文信息
时间:上午 中午 下午
天气:晴天 阴天 雨天
状态:走路 跑步 坐下 躺下
参考
《推荐系统实践》:李航