知识卡片
用户冷启动的三类信号
用户冷启动时没有站内行为,只能借外部信号推断兴趣,常见三类。
一是热门数据:按播放量、销量、热度等规则排出榜单,直接作为首屏候选。它反映大众偏好,成本最低,但完全不做个性化,还会放大头部内容,通常只作兜底或按地域、品类细分(如「本地热歌榜」)。
二是注册信息:用年龄、学历等基本信息把用户归入人群,推荐同类人群喜欢的物品;用授权得到的定位、通讯录,推荐附近内容或好友喜欢的物品;用注册时勾选的兴趣标签,推荐标签相关内容。
三是第三方账号:通过 QQ、微信等授权登录拿到用户资料与朋友关系,再用协同过滤或聚类估算兴趣度。
三者的粒度依次从「大众」到「人群」再到「个人」,越细通常越准,但覆盖率和授权率越低。工程上常把三者叠加成初始画像,并随着真实行为积累逐步降低其权重;否则初始标签会长期固化用户兴趣,让推荐越推越窄。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第7章 推荐系统框架及原理 · 查看原书依据
热门数据是物品按照一定规则排序得到的排名靠前的数据,反映了大众的偏好。在某些场景下,我们可以先用热门数据作为冷启动问题的解决方案。
参考来源
- 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第7章 推荐系统框架及原理(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0095.html)
- 结论依据:原文说明热门数据是规则排序的头部结果、反映大众偏好且可先用于冷启动,支撑「热门方案只做兜底、不做个性化」的边界判断。
- 原始内容:热门数据是物品按照一定规则排序得到的排名靠前的数据,反映了大众的偏好。在某些场景下,我们可以先用热门数据作为冷启动问题的解决方案。