# 有哪些解决推荐系统中冷启动的思路和方法？
https://www.zhihu.com/question/19843390/answer/1671468403
https://zhuanlan.zhihu.com/p/343322654
# 当新用户注册或新物品入库的时候，该怎么给用户提供满意的推荐服务，以及怎么将新物品推荐出去，推荐给喜欢他的用户？
- 基于规则的冷启动
在冷启动过程中，由于数据缺乏，个性化推荐引擎无法有效工作，可让系统采用基于规则的推荐方法。
在用户冷启动场景下，可使用”热门排行榜“，”最近流行趋势“、”最高评分“等榜单作为默认的推荐列表。此外，可以参考专家意见建立一些个性化物品列表，根据用户的有限信息，如注册时填写的年龄、性别、地址等信息做粗粒度的规则推荐。
在物品冷启动场景下，可根据一些规则找到该物品的相似物品，利用相似物品的推荐逻辑完成物品的冷启动。
但基于规则的冷启动与推荐系统是割裂的，可通过丰富冷启动过程中可获得的用户与物品特征，如下：
- 改进推荐模型的冷启动
在历史数据特征缺失的情况下，推荐系统仍然可以凭借用户和物品的属性特征完成较粗粒度的推荐。这类属性特征主要包括：
1）用户注册信息：包括人口属性信息（年龄、性别、学历、职业等）和通过IP地址、GPS信息等推断出的地理信息。
2）第三方DMP：第三方数据管理平台不仅可以提供基本的人口属性特征，通过大量应用、网站的数据交换，甚至可以提供脱敏的用户兴趣、收入水平、广告倾向等一系列的高阶特征。
3）物品的内容特征：在推荐系统中加入物品的内容相关特征是有效解决”物品冷启动“的方法。物品的内容特征可以包括物品的分类、标签、描述文字等。
4）引导用户输入的冷启动特征：有些应用会在用户第一次登陆时引导用户输入一些冷启动特征，如选择电影标签、音乐标签等。