推荐系统案例：冷启动策略

\hat{p}_{u,c} = \frac{n_{c} \cdot \bar{p}_{c} + \sum_{i \in I_u} w_i \cdot r_{u,i}}{n_{c} + \sum_{i \in I_u} w_i}$$ #### 逐字解析 1. **用户初始口味估计**：\(\hat{p}_{u,c}\) 表示用户 \(u\) 对品类 \(c\) 的预估偏好强度，是我们要求解的未知数。2. **群体先验均分**：\(n_c\) 是该品类的先验样本数（如"同龄同城用户中尝试过川菜的人数"），\(\bar{p}_c\) 是该群体对该品类的平均评分。3. **个体交互累加**：\(I_u\) 是用户 \(u\) 已经交互过的物品集合，\(r_{u,i}\) 是第 \(i\) 个物品的反馈评分，\(w_i\) 是这条反馈的权重（点击记 1，收藏记 2，下单记 3）。4. **平滑过渡**：分子是"先验知识 + 个体证据"的加权和，分母是总权重。当用户几乎没有行为时，整个分数约等于群体均值 \(\bar{p}_c\)；行为越多，个体证据占比越大，画像就越"个性化"。 这个公式好比向导的记分本：刚认识你时，记分本上填的是"和你相似的人的均值"；随着你真实反馈增多，你自己的分数逐渐把"别人的均值"挤出去。在深度学习时代，这套思想被吸收进双塔模型——用户塔的初始化向量就是由人口统计学特征（城市、年龄、性别）的 Embedding 拼接而成。但无论模型多复杂，底层的先验融合逻辑与这个公式一脉相承。 ### 物品冷启动策略 新餐厅入驻平台后，一道菜都没卖出去，怎么知道它的质量好坏？向导会怎么做——亲自去看看菜单、看看环境、看看食材。这就是**内容特征提取**的本质：不依赖行为数据，直接从物品自身属性中挖掘可推荐的理由。对于菜品，特征是菜系、辣度、食材、价格带；对于新闻，特征是频道、关键词、情感倾向；对于商品，特征是类目、品牌、材质。 有了特征，下一步是**相似物品映射**：把新物品的特征向量和老物品的特征向量做相似度计算，找到"已知质量的老物品"作为桥梁。比如新川菜馆"辣子鸡非常地道"这个特征与老店"老妈兔头"高度相似，而后者在平台上收获了 4.8 星好评，系统就可以推断新店大概率也受欢迎。这背后是**基于内容的推荐**（Content-based Recommendation）在冷启动阶段的经典应用。值得强调的是，这个策略对用户冷启动同样有效——当我们用人口统计学画像获得新用户的初始兴趣向量后，同样用内容相似度做匹配，这就是"冷热统一建模"的雏形。 **时效性加权**是物品冷启动特有的考量。新闻资讯类场景里，新物品本身就有流量红利，系统会故意给新内容加权——这符合平台生态利益，因为内容生产者需要看到"新内容也有曝光机会"的激励。但在电商或 OTA（在线旅游）场景，用户体验优先，新物品的加权要更保守。 **人工运营兜底**也是实战中不可缺失的一环。当算法置信度不够时，编辑部人工配置"新店尝鲜"专题页，用运营手段弥补算法不足。这在我们比喻里就是向导的秘籍——城市里的资深吃货圈子里口口相传的秘密名单。

\text{UCB}(i) = \bar{x}_i + \sqrt{\frac{2 \ln t}{n_i}}$$ #### 逐字解析 1. **历史平均得分**：\(\bar{x}_i\) 是物品 \(i\) 目前积累的所有反馈的平均分值，代表"已知的确定性收益"。2. **当前的探索红利**：\(n_i\) 是物品 \(i\) 被推荐的次数，\(\ln t\) 是当前总轮次的对数——被推荐次数越少，这部分的平方根值越大，给物品的加成越高。3. **不确定性溢价**：整体根号项衡量的是"我们对物品 \(i\) 的了解有多不够"。了解越少，该项越大；随着 \(n_i\) 增加，该项收敛到接近 0。4. **综合排序**：UCB 得分 = 已知均值 + 不确定性溢价，系统每次推荐 UCB 值最高的物品——既保证利用老店的好评分，又保证新店有机会获得曝光。 UCB 的直觉画面是：向导心中的每张店铺卡片上，写着一个"均分"和一个"置信区间"。老店如评分 4.7 ± 0.1，新店如评分 3.5 ± 1.5。虽然新店均分低，但它的上限 5.0 比老店的上限 4.8 还高，于是向导决定带你去试一次。如果新店果然好吃，它的均分上升、区间变窄，成为常驻推荐；如果踩雷了，它的均分下跌、区间依然宽，逐渐被系统遗忘。这正是冷启动阶段"用少量代价换长期收益"的精髓。 ### 迁移学习策略 在新城市找美食，最省力的方法是什么？问一句"您以前在哪个城市生活？"如果他回答"长沙"，向导心里立刻有了一张口味地图——湘菜的辣度和川菜接近，长沙人大概率能接受成都的辣子鸡。这就是**迁移学习**的精髓：把他域学到的知识，迁移到当前数据稀疏的目标域。 在推荐系统冷启动中，迁移学习有典型的两种形态。第一种是**跨域迁移**：把用户在"音乐 App"上的偏好迁移到"短视频 App"上——两个 App 同属一个公司，用户在音乐上展现的对节奏、风格的偏好，可以用来初始化视频推荐中的兴趣向量。第二种是**相似域预训练**：先用数据丰富的领域（如头部用户的行为日志）训练一个大规模模型，再用数据稀疏的冷启动场景做**微调（Fine-tuning）**。这就像米其林大厨先在有充足食材的中央厨房打磨厨艺，再空降到路边摊——厨房变了，但刀工和火候的底层能力迁移过来了。 **相似域预训练**的工程实现已经相当成熟：用全网用户行为预训练一个向量表征模型，冷启动用户只需少量特征即可获得初始 Embedding。比如你打开一个新视频 App，它不认识你，但它读取了你手机上的地理位置和大致年龄段，找到一个和你有相似属性的已知用户的平均偏好作为初始向量——这就是"相似用户的平均 Embedding 初始化"。 但迁移学习不是万能药，它有重要的**隐私安全边界**。跨域迁移必须严格遵守最小化数据采集原则——App 可以知道你所在的城市（因为可以获取地理位置），但不能越过授权读取你的通讯录或聊天记录用于推荐画像。GDPR 与《个人信息保护法》对跨域数据迁移的合规要求非常严格，业界经常用"联邦学习"在不出域的前提下共享模型参数，而不是共享原始数据。 从推荐架构视角看，迁移学习是冷启动策略中最"重"的方案。它需要公司有多业务线的数据和实力，需要数据中台做特征对齐，也需要算法团队有预训练-微调的完整 MLOps 能力。因此，中小团队通常先采用"画像 + 内容匹配"的轻量方案，在数据积累到一定规模后再引入迁移学习。这也是一种系统工程层面的务实取舍。 ### 内容特征召回 当用户画像还模糊、但系统必须立刻给出第一屏推荐时，最可靠的手段是回到**内容本身的特征**。这就像向导在你还说不出偏好时，先推荐几道"大众接受度高"的菜——番茄炒蛋、酸辣土豆丝，不会惊艳但几乎没人会讨厌。这就是**内容特征召回**：在召回阶段，不完全依赖个性化信号，而是基于内容属性做广泛的候选池筛选。 **特征工程要点**决定了内容召回的质量。对于物品，基础特征包括品类（菜系）、价格带、产地、成分（食材）、内容标签（如"低脂"、"网红打卡"）；对于用户，则是画像画像中的显式标签与隐式推断。关键原则是"**类别型特征要离散化，文本类特征要向量化**"——菜品描述文本经过预训练语言模型转成向量后，就可以和用户兴趣向量做点积计算相似度。这也让**内容相似度**的计算从"标签完全一致"演进为"语义空间相近"。 **混合召回架构**是工业界的标准答案：多路召回并行——协同过滤一路、内容特征一路、热点榜单一路、搜索日志一路——各路结果取并集后统一进入排序模型。冷启动策略重点作用在"内容特征召回"这一路：当新用户没有行为数据时，协同过滤路几乎失效，但内容特征路依然健壮。同时新增的**冷热统一建模**思想让我们意识到：冷启动和热推荐不是两套系统，而是同一模型在不同数据密度下的表现。业界前沿做法是把"物品被曝光次数"直接作为特征喂给模型，让模型自己学会"数据少时多依赖内容特征，数据多时多依赖行为特征"。 内容特征召回的实际画面是怎样的？你是个新用户，系统不知道你爱吃什么，但它把你所在城市的热门标签（"川菜"、"网红"、"人均 50-80"）与候选餐厅的菜品特征（"水煮鱼"、"辣子鸡"）做余弦相似度计算，筛选出 Top 50 作为候选池。这个候选池虽然个性化不足，但至少保证了"看起来像你会接受的东西"。之后经过排序模型时，再根据你的即时反馈动态调整权重——如果前两条点击都是川菜，排序模型就把川菜馆的权重拉高。 **召回**追求"一个都不能少"的全，**排序**追求"百里挑一"的准。冷启动阶段的成败往往在召回阶段就已注定：如果候选池里根本没有用户可能喜欢的内容，再精妙的排序模型也无能为力。 ### 冷启动评估与上线 任何策略都需要度量衡，冷启动也不例外。在**离线评估**阶段，我们需要挑选能反映冷启动质量的指标。传统推荐系统的离线指标（如 AUC、Recall@K）在冷启动场景下会失真——因为新物品曝光少，统计量不足，任何指标都带着巨大的方差。一个额外的考验是，单纯用"全量用户平均准确率"会掩盖冷启动问题——大数据量的老用户可以轻松拉高平均值，让新用户群体的糟糕体验被淹没在均值的"温水"里。 因此业界在实践中会将指标**分层拆分**：单独统计"新用户次日留存率"、"新用户人均点击次数"、"新物品曝光占比"与"新物品 7 日转化率"。这些指标才是冷启动策略是否有效的真实标尺。离线评估只能作为方向盘，真正的验收必须依赖**在线 A/B 实验**：将新用户流量按随机分组，对照组用旧的冷启动策略，实验组用新策略，对比两组用户在关键指标上的差异。A/B 实验中最容易犯的错误是"**样本污染**"——实验组用户会和对照组用户产生社交互动，或者同一个用户在 web 端进对照组、App 端进实验组，导致两组不再独立。因此业内强烈约定：**同一用户的实验分组必须全域一致**——这一点在大型互联网公司的实践中被反复验证。 **灰度发布**是上线策略中重要但容易被忽略的环节：新策略先开放 5% 流量，观察 3-7 天；确认无明显负向后再逐步扩到 10%、30%、100%。灰度期间要严格关注**护栏指标**——不仅看冷启动指标是否变好，还要看 CTR、转化率、投诉量等全局指标是否下滑。若全局指标下滑，说明策略在局部有效但整体有代价，需要回滚重新设计。 **数据回流迭代**是整个闭环的收尾与重启：新策略上线后产生的行为数据，经过清洗与特征加工后回流到训练数据中，成为下一个版本模型的养料。冷启动策略从来不是一次性工作，而是一个持续的螺旋上升过程。像向导的经验不断积累，每一段新探索都会让后续的推荐更加精准。这个闭环的核心公式是：**策略 → 实验 → 数据 → 模型 → 更好的策略**。

import mathfrom collections import defaultdict  def content_similarity(vec_a, vec_b):    """计算两个特征向量（dict 形式）的余弦相似度。"""    common = set(vec_a.keys()) & set(vec_b.keys())    dot = sum(vec_a[k] * vec_b[k] for k in common)    norm_a = math.sqrt(sum(v * v for v in vec_a.values()))    norm_b = math.sqrt(sum(v * v for v in vec_b.values()))    if norm_a == 0 or norm_b == 0:        return 0.0    return dot / (norm_a * norm_b)  def estimate_user_preference(user_actions, prior_mean, prior_count):    """基于先验均值与历史行为，平滑估计用户对物品的偏好分。"""    evidence_sum = sum(action["rating"] for action in user_actions)    evidence_count = len(user_actions)    numerator = prior_count * prior_mean + evidence_sum    denominator = prior_count + evidence_count    return numerator / denominator  class UCBRecommender:    """基于 UCB 的探索利用推荐器。"""     def __init__(self, items):        self.items = items        self.try_count = defaultdict(int)        self.score_sum = defaultdict(float)     def recommend(self, top_k=3):        total_tries = sum(self.try_count.values()) + 1        ucb_scores = []        for item_id in self.items:            n = self.try_count[item_id]            if n == 0:                mean = self.items[item_id]["prior"]                bonus = 1.0            else:                mean = self.score_sum[item_id] / n                bonus = math.sqrt((2 * math.log(total_tries)) / n)            ucb_scores.append((mean + bonus, item_id))        ucb_scores.sort(reverse=True)        return [item_id for _, item_id in ucb_scores[:top_k]]     def record_feedback(self, item_id, rating):        self.try_count[item_id] += 1        self.score_sum[item_id] += rating  if __name__ == "__main__":    items_pool = {        "spicy_hotpot": {"prior": 3.5, "cat": "spicy", "price": 80},        "sweet_dessert": {"prior": 4.5, "cat": "sweet", "price": 30},        "sichuan_fish": {"prior": 3.0, "cat": "spicy", "price": 70},        "guangdong_soup": {"prior": 4.2, "cat": "sweet", "price": 60},    }    rec = UCBRecommender(items_pool)    user_actions = [        {"itemId": "spicy_hotpot", "rating": 5},        {"itemId": "sichuan_fish", "rating": 4},    ]    prior_mean = 3.8    prior_count = 10    pref = estimate_user_preference(user_actions, prior_mean, prior_count)    print("平滑后用户偏好分:", round(pref, 2))     print("第一轮推荐:", rec.recommend(top_k=2))    rec.record_feedback("spicy_hotpot", 5)    rec.record_feedback("sweet_dessert", 2)    print("记录反馈后推荐:", rec.recommend(top_k=2))