iT邦幫忙

2022 iThome 鐵人賽

DAY 12
1
AI & Data

親手打造推薦系統系列 第 12

Day12 - 是什麼推薦系統的冷啟動問題?有哪些對策可以處理?冷啟動問題(1) - 親手打造推薦系統

  • 分享至 

  • xImage
  •  

推薦系統就是要幫使用者儘快找到自己喜歡的內容。現在客戶取得成本愈來愈高,同時也很沒耐性,只要產品有點不好用,使用者可能就會選擇其他的替代品。

但任何系統上線,並沒有太多的資訊可以讓推薦引擎參考。若這時還有新使用者註冊或新商品入庫,系統要如何在推薦才能讓新使用者滿意呢?

現在使用者的選擇愈來愈多,這問題也愈來愈重要!這問題誰處理得好,才能留住客戶。

那有什麼對策呢?

什麼是冷啟動問題?

在缺乏有價值資料的時候,如何有效地推薦,使使用者滿意,這就是「冷啟動問題」。

冷啟動問題有哪些分類?

冷啟動問題主要分為 3 類:

  1. 用戶冷啟動:新使用者註冊後,沒有任何歷史資料,無法分析使用者興趣,很難為他推薦喜歡的商品。
  2. 物品冷啟動:新物品上架後,沒有用戶對該物品的交互資料。
  3. 系統冷啟動:新系統上線時,缺乏所有歷史相關資料。沒資料沒經驗。

冷啟動有什麼對策?

1、提供非個性化的推薦

既然沒有使用者的資料,那就先不做個性化推薦,這可分 2 大類「基於相似推薦」和「基於規則的推薦」:

相似推薦類

  1. 依東西內容推薦相似商品。
  2. 常用方式有之前介紹的基於內容的推薦,或話題模型(LDA)分類推薦。

基於規則的推薦

  1. 用「熱門商品」、「最新上架」、「最高評分榜」等推薦列表,實現非個性化推薦。
  2. 平台上最熱門的內容推薦,大多被大多受眾認可,所以基於熱門推薦往往效果還不錯。
  3. 平台要該用哪些規則,這演算法的設計,更多依賴的是專家對業務的洞察。

2、讓使用者自己提供他的喜好

在使用者開始使用產品前,先詢問他對哪些內容感興趣。如:一些音樂類型產品,會先問喜歡的音樂風格。影片類的產品,會讓使用者輸入自己喜歡哪些電影、影集等等。

3、專家介入推薦

  1. 在系統冷啟動時,可以發揮專家的作用,可以引入專家的知識,讓專家做標註,迅速建立起物品的相關度表。系統再依相關度表做推薦。
  2. 通常會請專家對商品做標籤、分類。
  3. 在得到充足資料後,再線下運行合適的演算法進,進行測試。

接下來呢?

今天介紹了冷啟動是什麼,還有冷啟動 3 個對策,其它的對策,明天再分享囉。


上一篇
Day 11 矩陣分解演算法介紹 - 親手打造推薦系統
下一篇
Day13 - 冷啟動問題有哪些對策?冷啟動問題(2) - 親手打造推薦系統
系列文
親手打造推薦系統30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言