推薦系統(tǒng)的冷啟動(dòng)場(chǎng)景主要分為三類(lèi)：

① 用戶(hù)冷啟動(dòng)：即如何給新用戶(hù)做個(gè)性化推薦，事實(shí)上，第一次展現(xiàn)給用戶(hù)的 item 極其重要，決定了用戶(hù)的第一印象；

② 內(nèi)容冷啟動(dòng)：即如何將新的內(nèi)容推薦給潛在對(duì)它感興趣的用戶(hù)；

③ 系統(tǒng)冷啟動(dòng)：即如何在一個(gè)新開(kāi)發(fā)的產(chǎn)品中（無(wú)用戶(hù)、無(wú)用戶(hù)行為，只有一些內(nèi)容）設(shè)計(jì)個(gè)性化推薦，從而在產(chǎn)品剛發(fā)布就讓用戶(hù)體驗(yàn)到個(gè)性化推薦服務(wù)。

1.運(yùn)用自然語(yǔ)言處理技術(shù)，解決內(nèi)容冷啟動(dòng)問(wèn)題

舉個(gè)例子，如果用戶(hù)閱讀了大量包含甄子丹、成龍、李小龍等關(guān)鍵詞的文章，可以挖掘出用戶(hù)對(duì)功夫類(lèi)主題的內(nèi)容偏好，并為其推薦。

2.運(yùn)用 UCB 探索用戶(hù)的潛在興趣算法，保證推薦結(jié)果的多樣性

在推薦的過(guò)程中，需要考慮給新 item 展示的機(jī)會(huì)，比如給一個(gè)喜歡歷史分類(lèi)資訊的用戶(hù)推薦一些娛樂(lè)、政治等其他資訊，解決加強(qiáng)推薦多樣性的問(wèn)題。

大家所熟知的是通過(guò)隨機(jī)分配一部分流量給新 item 曝光，得到一些反饋，然后模型才能對(duì)其有較好的建模能力，這是比較傳統(tǒng)的冷啟動(dòng)套路。

神策智能推薦采用的是 upperconfidence bound(UCB) 策略: 假設(shè)有 K 個(gè)新 item 沒(méi)有任何先驗(yàn)，每個(gè) item 的回報(bào)也完全不知道。每個(gè) item 的回報(bào)均值都有個(gè)置信區(qū)間，而隨著試驗(yàn)次數(shù)增加，置信區(qū)間會(huì)變窄，對(duì)應(yīng)的是最大置信邊界向均值靠攏。如果每次投放時(shí)，我們選擇置信區(qū)間上限最大的那個(gè)，則就是 UCB 策略。這個(gè)策略主要是通過(guò)以下兩個(gè)原理達(dá)成更好地推薦：均值差不多時(shí)，優(yōu)先給統(tǒng)計(jì)不那么充分的資訊多些曝光；均值有差異時(shí)，優(yōu)先出效果好的。

版權(quán)聲明：本文為CSDN博主「神策數(shù)據(jù)」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/sensorsdata/article/details/88822038