Новая система холодного старта: Рекомендательные системы
Я создал рекомендательные системы, в которых есть десятки тысяч элементов и описания их функций, но нет профилей пользователей на данный момент. Я ищу указатели на подходы, которые могут помочь мне запустить систему, чтобы я мог провести некоторую оценку. Я был бы признателен за любые ссылки на документы / приложения, которые решают эту проблему.
1 ответ
Как справиться с проблемой холодного запуска, во многом зависит от вашего конкретного применения.
Простой способ справиться с проблемой холодного запуска пользователя - представить новому пользователю случайные предметы, самые популярные предметы или предметы, отобранные вручную, и начать учиться у них.
Другой способ - предоставить пользователям анкету, а затем представить им предметы в соответствии с результатами. Или вы прямо показываете им предметы / продукты и позволяете им оценивать / выбирать те, которые им нравятся.
Также обратите внимание, что в веб-системе вы обычно знаете кое-что о своих пользователях: какую операционную систему / браузер они используют, откуда они (примерно) пришли, на каком языке они говорят. Вся эта информация может быть использована.
доклады:
- см. статью в Википедии на эту тему
- В моем ответе на другой вопрос о Stackru перечислены некоторые статьи, посвященные новым элементам - большинство методов также будут применимы для новых пользователей.
- Другой подход заключается в выборе продуктов / предметов, которые помогут вам больше всего узнать о пользователе. Просто из моей головы вы можете найти их, обратившись к Google Scholar за "рекомендациями" и терминами "деревья решений", "активное обучение", "холодный старт пользователя" и так далее.