知识卡片
规则冷启动与属性特征
基于规则的冷启动让系统回退到前推荐系统时代:用户侧用热门排行榜、最近流行趋势、最高评分等默认榜单,或用注册年龄、性别、IP推断地址建决策树、在叶节点挂冷启动榜单;物品侧按规则找相似物品,例如Airbnb用价格范围、房屋属性、10公里内距离三条规则找3个相似房源来为新房源指定聚类。这条路径实用但不与主模型打通。改进方式是在模型中加入更多属性特征而非历史特征:用户注册信息、第三方DMP提供的兴趣与收入等高阶特征、物品内容特征如分类、标签、描述、演员、年代,以及引导用户首次登录时主动选择的风格偏好。操作要点是规则要依赖业务洞察,属性特征要与主模型联合训练。
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5章 多角度审视推荐系统 · 查看原书依据
在冷启动过程中,由于数据的缺乏,个性化推荐引擎无法有效工作,自然可以让系统回退到“前推荐系统”时代,采用基于规则的推荐方法。例如,在用户冷启动场景下,可以使用“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。
参考来源
- 位置:《深度学习推荐系统》第5章 多角度审视推荐系统(源文件:extracted/深度学习推荐系统/_epub-src/text/part0009_split_006.html)
- 结论依据:原文给出热门榜、决策树、Airbnb聚类规则以及注册信息、DMP、内容特征、引导输入四类属性特征。
- 原始内容:在冷启动过程中,由于数据的缺乏,个性化推荐引擎无法有效工作,自然可以让系统回退到“前推荐系统”时代,采用基于规则的推荐方法。例如,在用户冷启动场景下,可以使用“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。