推荐系统协同过滤的冷启动问题解决思路

可视化演示

展示推荐系统中新用户/新物品的冷启动问题，以及基于内容、热度、混合等解决策略的对比。

冷启动成因：数据缺位的起点

小冷第一天上班就遇到了最头疼的事——客人们陆陆续续进门，每个人的脸上都写着“你怎么还不认识我”。老咖啡师阿达可以靠记忆推荐，但小冷手里只有一本零散的点单记录。他想找到某位新客人的“相似老熟人”，却发现这位客人的名字从没出现在记录里，一个相似的人都找不到。

协同过滤推荐系统的逻辑，正是“找相似的人，看你看过的东西”。它需要用用户×物品的“交互矩阵”来做运算——行是用户，列是物品，格子是行为记录。可是，当一个新用户或新物品进入矩阵时，对应的整行或整列都是空的。空行空列无法计算余弦相似度，也不能参与矩阵分解，协同过滤就“断粮”了。

冷启动在工程上首先表现为交互矩阵稀疏。我们用一个公式量化稀疏程度：

公式中，$N_{\text{user}}$ 是用户数，$N_{\text{item}}$ 是物品数，两者相乘是矩阵的总格数；$N_{\text{interaction}}$ 是有行为记录的格子数。这个比值越小，稀疏度越大，冷启动越严重。

稀疏度就像咖啡馆的“熟客覆盖率”。当 100 位客人面对 50 种咖啡时，本子上却只有 300 条点单记录——覆盖率仅 6%。而小冷最需要的那位新客人，连一条记录都没有，这就是冷启动的根源。

冷启动分类：三种“不认识”

小冷慢慢发现，“不认识客人”也分好几种情况。有的客人是第一次推门进来，谁都没见过；有的是供应商送来一袋从没上架过的新豆子，连老客人都没喝过；还有一种最夸张——小冷自己也是第一天来，整家店的历史记录都少得可怜。

在推荐系统里，这三种情况分别叫用户冷启动、物品冷启动和系统冷启动。用户冷启动发生在刚注册的新用户身上，他们没有任何浏览、点击、购买记录；物品冷启动发生在新上架的商品身上，它没有获得任何用户反馈，也无法参与“相似物品”计算；系统冷启动则出现在产品上线初期，连存量数据都很稀少。

无论哪一种冷启动，在数学上都可以统一为“交互矩阵中某一行或某一列的和为 0”。设 $R_{ui}$ 表示用户 $u$ 对物品 $i$ 的交互记录，则用户冷启动的条件是：

对小冷来说，这三种状况需要不同的应对策略。面对全新客人，他要靠观察画像；面对新豆子，他要靠豆子的风味标签去匹配老客人；面对刚开张的店，他只能先把热门款做起来。分清类型，才能对症下药。

基于内容推荐：用画像弥补行为

小冷开始想别的办法。虽然不认识这位新客人，但他发现客人穿着运动鞋、背着相机、说话时总提到“登山”。于是小冷鼓起勇气推荐了一杯冷萃咖啡——因为这种咖啡口感清爽，像山里的泉水。客人眼前一亮：“你怎么知道我喜欢这个！”

这就是基于内容的推荐。它不依赖用户的历史行为，而是从两个维度构建特征：一是用户画像，描述“这个人喜欢什么”；二是物品特征，描述“这个东西像什么”。两者做相似度计算，就能在没有行为数据的情况下对物品打一个“匹配分”。

把用户画像视为向量 $\mathbf{w}_u$，物品特征视为向量 $\mathbf{f}_i$，维度 $d$ 是所有特征标签的数量（如“清爽”“醇厚”“果香”）。余弦相似度是常用的匹配分数：

这就像小冷在心里给客人画了一张“口味画像”，又给每杯咖啡贴了一张“风味标签”。画像和标签越接近，推荐越可能命中。基于内容推荐让新用户不再无解，因为画像可以来自注册时填写的兴趣，而不是行为历史。

混合推荐策略：多种信号组合出击

小冷发现，光靠画像推荐也有问题：新客人说他喜欢“清爽”，但清爽的咖啡有几十种，他到底爱哪种？这时候老客人说了一句“可以都试一点”。小冷突然明白——把多种线索结合起来，比单打独斗更稳。

这就是混合推荐策略。工程上常用的有三种：加权混合，把不同算法的得分按权重相加；切换混合，根据数据量决定用哪种算法，比如新用户用内容推荐、老用户用协同过滤；层混式混合，先做热门召回，再用个性化精排，层层递进。

加权混合是最直观的。设 $\hat{r}^{\text{CF}}_{ui}$ 是协同过滤给出的预测分，$\hat{r}^{\text{CB}}_{ui}$ 是基于内容给出的预测分，则最终得分为：

其中 $\alpha \in [0,1]$ 是权重。冷启动阶段行为数据少，$\alpha$ 调小；行为逐渐积累后 $\alpha$ 调大，让协同过滤逐步接手。

小冷从此有了一个“推荐小分队”：画像线索负责猜偏好，热门榜单负责兜底，老客人的相似行为负责补细节。三种信号合在一起，即使某个信号失灵，其他信号也能顶上。

冷启动引导方案：变“猜”为“问+观察”

光靠观察不够准确，小冷干脆主动出击。他在吧台上放了一张小卡片：“您喜欢偏酸还是偏苦？喜欢奶咖还是黑咖？请勾选。”客人随手一勾，小冷心里就有谱了。等客人喝完咖啡，小冷又偷偷记下“杯子见底了，应该喜欢”。

产品上对应的做法是冷启动引导方案。第一个是兴趣选择页：新用户注册后先看到一组标签云，点选感兴趣的类别，系统用这组标签初始化用户画像。第二个是实时反馈收集：用户对推荐结果的点击、停留、跳过都是隐式信号，持续流入模型。第三个是增量更新：画像不必等隔天的批处理，而是用小批量数据实时刷新。

我们可以用“置信度加权”来融合初始先验和实时反馈。设 $p_0$ 是兴趣选择页给出的初始偏好，$w_0$ 是先验权重；后续每条反馈 $j$ 提供观察值 $p_j$ 和置信权重 $w_j$。更新后的偏好为：

小冷把小卡片收回来，把“勾选结果”和“喝到见底”这两份证据按可信度加权：勾选是 3 分信任，喝到见底是 1 分信任，加起来一比，客人的口味轮廓就越来越清晰。引导方案的本质，是把“猜”变成“问 + 观察”。

热门物品兜底：过渡期的安全牌

当然，还有最后一招。遇到实在不愿填卡片的客人，小冷就把店里卖得最好的招牌拿铁端出来。十个人里有六个都点过它，哪怕猜不透个性，这个选择也不至于让人失望。

这就是热门物品兜底。在推荐系统里，新用户的第一屏往往先给出热门榜——它基于统计而非个性化，因此不需要行为数据。但热门只能用来“过渡”，不能永远依赖，否则就失去了推荐的个性化价值。工程上还会结合探索与利用策略，以及多样性插队，在热门中加入不同类型的内容。

热门得分可以用归一化浏览次数描述。设 $N_i$ 为物品 $i$ 的交互次数，$\max_{j \in I} N_j$ 为所有物品交互次数的最大值，则：

热门得分最高的物品为 1，其余按比例落在 $(0,1)$。注意，新物品的 $N_i = 0$，热门分也为 0，所以热门兜底主要服务于新用户；新物品要借助基于内容的特征匹配来获得第一批曝光。

招牌拿铁先让客人“不踩雷”，等小冷摸清客人喜好之后，再慢慢换上有针对性的手冲单品。热门兜底不是终点，而是一座桥——把新用户从“零记录”平滑地送到“有画像”的彼岸。

AI 应用场景

Python 演示

"""冷启动推荐策略演示模拟一个小型电影推荐系统, 对比三种策略:1) 纯协同过滤 - 新用户无历史数据时直接失败2) 基于内容推荐 - 利用注册画像获得初始推荐3) 混合推荐 - 内容匹配 + 热门兜底, 效果最稳"""  class ColdStartRecommender:    """结合内容相似度与热门度的冷启动推荐器"""     def __init__(self, items, user_profiles, interactions):        self.items = items                  # [{ "id": 1, "tags": ["科幻", "动作"] }]        self.user_profiles = user_profiles  # {1: {"科幻": 0.8, "喜剧": 0.6}}        self.interactions = interactions    # {1: [2, 5], 2: [1, 3]}        self._hot = self._calc_hot()     def _calc_hot(self):        """计算每个物品的流行度得分, 归一化到 [0, 1]"""        cnt = {}        for uid, ids in self.interactions.items():            for iid in ids:                cnt[iid] = cnt.get(iid, 0) + 1        mx = max(cnt.values()) if cnt else 1        return {iid: v / mx for iid, v in cnt.items()}     def _content_score(self, tags, profile):        """用户画像与物品标签的平均匹配分, 无标签返回 0"""        if not tags:            return 0.0        return sum(profile.get(t, 0.0) for t in tags) / len(tags)     def recommend_new_user(self, profile, k=5):        """新用户: 内容分 0.7 + 热门分 0.3 加权"""        scored = []        for item in self.items:            cs = self._content_score(item["tags"], profile)            hs = self._hot.get(item["id"], 0.0)            scored.append((0.7 * cs + 0.3 * hs, item["id"]))        scored.sort(key=lambda x: -x[0])        return [iid for _, iid in scored[:k]]     def recommend_new_item(self, tags, k=3):        """新物品: 找出画像与新物品标签最匹配的存量用户"""        scored = []        for uid, profile in self.user_profiles.items():            cs = self._content_score(tags, profile)            if cs > 0:                scored.append((cs, uid))        scored.sort(key=lambda x: -x[0])        return [uid for _, uid in scored[:k]]  def main():    items = [        {"id": 1, "tags": ["科幻", "动作"]},        {"id": 2, "tags": ["喜剧", "家庭"]},        {"id": 3, "tags": ["科幻", "悬疑"]},        {"id": 4, "tags": ["纪录片", "历史"]},        {"id": 5, "tags": ["动作", "冒险"]},    ]    profiles = {        1: {"科幻": 0.9, "动作": 0.7},        2: {"喜剧": 0.8, "家庭": 0.6},        3: {"纪录片": 0.7, "历史": 0.8},    }    interactions = {        1: [1, 3, 5],        2: [2],        3: [4],    }    rec = ColdStartRecommender(items, profiles, interactions)    new_user_profile = {"科幻": 0.8, "悬疑": 0.6, "动作": 0.4}    print("新用户推荐:", rec.recommend_new_user(new_user_profile))    print("新物品推荐给:", rec.recommend_new_item(["科幻", "悬疑"]))  if __name__ == "__main__":    main()

1. self._hot = self._calc_hot()初始化时预计算热门分，相当于咖啡馆先做好“畅销排行”。
2. cnt[iid] = cnt.get(iid, 0) + 1统计每个物品被交互的次数，遇到没见过的 key 就从 0 开始加。
3. return {iid: v / mx for iid, v in cnt.items()}除以最大值，把热门分归一化到 [0,1]。
4. sum(profile.get(t, 0.0) for t in tags) / len(tags)对标签逐个查画像权重后取平均，得到内容匹配分。
5. scored.append((0.7 * cs + 0.3 * hs, item["id"]))加权混合：内容分占七成，热门分占三成，互补短板。
6. scored.sort(key=lambda x: -x[0])按总分降序排序，让最匹配的候选排在最前。
7. if cs > 0:只考虑对新物品标签有偏好的用户，避免把推荐强加给没兴趣的人。

常见误区

面试题