原书出处
深度学习推荐系统
05 第5章 多角度审视推荐系统
动过程中可获得的用户和物品特征。 (3)利用主动学习、迁移学习和“探索与利用”机制。 5.6.1 基于规则的冷启动过程
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。
事实上,大多数音乐、视频等应用都是采用这类方法作为冷启动的默认规则。 更进一步,可以参考专家意见建立一些个性化物品列表,
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习推荐系统/_epub-src/text/part0009_split_006.html
EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382