推荐系统冷启动召回：新用户新物品怎么找

可视化演示

展示FCFS、SSTF、SCAN三种磁盘调度算法的磁头移动轨迹，对比不同策略下的寻道距离与效率。点击算法按钮切换模式。

1. 冷启动挑战

小光刚转学，班主任手上最缺的就是“这个孩子在学校的互动记录”：他和谁一起玩过、参加过哪些活动，统统是空白。这不是说老师对学生一无所知，而是系统性的行为日志为零。推荐系统也有同样的处境：一提到“推荐”，大家本能想到协同过滤这类依赖历史行为的算法，但冷启动恰恰把这条最快的路堵死了。

推荐系统流水线通常分为召回、精排、重排三环。召回的职责，是从百万级物品中快速捞出几百个候选，再交给精排细细打分。冷启动发生时，新用户没有行为、新物品没有曝光，协同过滤这一类“看历史行为找相似”的方法直接失效。问题最先在召回环节暴露：如果候选在召回阶段就被漏掉，后面的精排再强也无济于事。

冷启动又分用户冷启动、物品冷启动和混合冷启动。无论哪种，目标都是在缺乏交互数据时仍产出候选。最简单的随机兜底命中率极低，物品池越大，随机拿到好候选的概率就越低。

所以班主任不会用抽签的方式给小光选社团。全校一百个社团里只有一个最合适，抽中概率只有百分之一。想提高命中率，必须先有“线索召回”，这就是下面各条通道登场的理由。

2. 内容特征召回

班主任翻开转学登记表，看到小光写的是“喜欢机器人、沉迷科幻书”。于是他在社团目录里找同样带“机器人”“科幻”标签的社团：机器人社、天文社、科幻小说社。整个过程完全不依赖小光在新学校的活动记录，只靠他身上自带的属性。

内容特征召回正是这个逻辑：把用户和物品都用属性特征表示，再计算彼此相似度。用户侧特征来自注册资料、主动选择的兴趣、设备信息；物品侧特征来自类目、标签、文本摘要、封面视觉特征。两边都不用依赖历史交互，天然适合冷启动。

实际操作中，特征通常被表示成向量，每个维度对应一个属性，数值代表权重。计算相似度最常用的是余弦相似度，它只关方向不关大小，对高维稀疏向量也稳定。

小光的“机器人 + 科幻”向量，与机器人社的“机器人 + 制作 + 竞赛”向量夹角很小，相似度得分高，于是机器人社率先进入初选名单。内容特征召回就是班主任那张转学登记表。

3. 画像匹配召回

班主任除了看登记表，心里还有一本“典型学生图谱”：理科成绩好的男生大多喜欢机器人，性格安静的学生可能偏好阅读和写作。他把小光的画像和各种社团画像做比对，看看重合度。

画像匹配召回可以理解为内容特征召回的规则化版本，最大的优点是可解释。先把用户归入标签体系，比如年龄、性别、城市、显式兴趣；再把物品归入运营维护的标签体系，比如领域、风格、适合人群。然后计算两套标签集合的重合程度。

在工程实现里，画像匹配常以规则或轻量打分形式出现，速度快、逻辑透明，适合作为冷启动的第一层粗筛。标签交叠越多，匹配分越高。

小光身上挂着“男生、安静、科幻迷”三个标签，机器人社挂着“动手、科技、竞赛”三个标签，虽然不完全重合，但“科技”这一项权重极高，画像匹配分照样把它推上榜。画像匹配就是班主任心里那本“典型学生图谱”。

4. 跨域迁移

班主任没有就此打住。他给小光以前的班主任打了个电话，问小光在旧学校参加过什么社团；又翻了翻家长朋友圈，发现小光的表哥也在机器人社。这些信息都不是新学校系统里的行为数据，却能帮老师做判断。

跨域迁移正是利用辅助域的信息补足目标域缺失的交互。辅助域可以是社交关系、另一个App的使用行为、关注的好友列表。核心思想是：本域没有行为记录没关系，从别的域把“相似经验”搬过来。

实现上常见两种路径：一是通过共享用户做关联，比如同一个用户在A域有大量行为，可迁移到B域；二是通过社交图谱，把好友的偏好作为目标用户的估计。社交关注关系下的物品曝光，就是短视频冷启动中最常借的力。

小光在旧学校参加过机器人竞赛，表哥又恰好是机器人社成员，这两个外部信号叠加，老师对“小光适合机器人社”的信心大大提升。跨域迁移就是班主任打给旧学校的那个电话。

5. 热度兜底

万一档案信息有限、画像不怎么匹配、旧学校又联系不上呢？班主任还有最后一张牌：先推荐全校公认最火爆的几个社团。机器人社有三十个社员，天文社活动最多，这些热门选择至少不会让小光觉得学校生活乏味。

热度兜底是冷启动召回的保底通道。它不需要任何个性化信号，只依赖物品的全局热度，就能给新用户一个基础体验。新物品发布初期没有行为数据，也可以复制同类新品的启动热度，或者直接用时间衰减热度。

热度分计算公式里藏着一个关键设计：越久远的行为贡献越小，防止老物品永远霸占榜单，给新内容留出冷热均衡的空间。

热度不是个性化，但它是冷启动的“安全垫”。就像班主任先把最热门的社团推荐给小光，保证他不会对着空名单发愣。热度兜底让新用户和新物品永远有基础候选，不因数据稀疏而被遗忘。

6. 多路融合评估

四条线索摆在班主任桌上：转学档案、典型画像、旧校反馈、全校热门。他绝不会只信其中一条，而是把四份信息合并成一张初选名单：先互相印证，再删掉重复项，最后把各方面都沾边的社团排在前面。

真实系统中也是这样。冷启动召回几乎不会只跑单通道，而是内容召回、画像召回、迁移召回、热门召回同时运行，最后做融合。每条通道返回的分数尺度不同，有的接近 1，有的可能是几十，直接相加没有意义，必须先做归一化。

归一化后还要对重复物品合并证据：一个物品同时被内容通道和画像通道命中，说明它有多个角度的竞争力。最后按加权得分截断，取 TopK 进入精排。线上同时监控召回率、候选覆盖率等指标，确保冷启动通道真的在生效。

小光的初选名单不是老师拍脑袋定的，而是“档案匹配 + 画像相似 + 旧校口碑 + 全校热门”四条证据加权后的结果：既尊重个性化线索，又保留了热门兜底。这就是冷启动召回从“无中生有”到“有中生优”的完整路径。

AI 应用场景

Python 演示

import mathimport time  class ColdStartRecaller:     def __init__(self, item_feats, item_tags, user_profile, hot_visits):        self.item_feats = item_feats        self.item_tags = item_tags        self.user_profile = user_profile        self.hot_visits = hot_visits     @staticmethod    def cosine(a, b):        dot = sum(a[k] * b.get(k, 0) for k in a)        na = math.sqrt(sum(v * v for v in a.values()))        nb = math.sqrt(sum(v * v for v in b.values()))        if na * nb == 0:            return 0.0        return dot / (na * nb)     def content_score(self, item_id):        user_vec = self.user_profile["feat"]        item_vec = self.item_feats[item_id]        return self.cosine(user_vec, item_vec)     def profile_score(self, item_id):        user_tags = set(self.user_profile["tags"])        item_tags = set(self.item_tags[item_id])        overlap = user_tags & item_tags        return float(len(overlap))     def hot_score(self, item_id, lam=0.1, now=None):        now = now if now is not None else time.time()        visits = self.hot_visits[item_id]        score = 0.0        for t in visits:            score += math.exp(-lam * (now - t))        return score     def recall(self, item_ids, top_k=3, now=None):        scores = {}        for item_id in item_ids:            scores[item_id] = (                self.content_score(item_id) * 0.4                + self.profile_score(item_id) * 0.3                + self.hot_score(item_id, now=now) * 0.3            )        ranked = sorted(scores.items(), key=lambda kv: kv[1], reverse=True)        return [item_id for item_id, _ in ranked[:top_k]]  def main():    item_feats = {        "A": {"tech": 0.8, "fun": 0.2},        "B": {"tech": 0.3, "fun": 0.9},        "C": {"tech": 0.6, "fun": 0.4},    }    item_tags = {        "A": {"ai", "news"},        "B": {"gossip", "fun"},        "C": {"ai", "tutorial"},    }    user_profile = {"feat": {"tech": 0.7, "fun": 0.4}, "tags": {"ai"}}    hot_visits = {        "A": [1000.0, 1005.0],        "B": [900.0],        "C": [800.0, 810.0, 812.0],    }    recaller = ColdStartRecaller(item_feats, item_tags, user_profile, hot_visits)    result = recaller.recall(list(item_feats.keys()), top_k=2, now=1005.0)    print("cold start recall:", result)  if __name__ == "__main__":    main()

1. user_vec = self.user_profile["feat"]从用户画像中取出特征向量，模拟没有历史行为时仅用自带属性。
2. return self.cosine(user_vec, item_vec)内容特征通道，用余弦相似度给用户和物品的属性向量匹配打分。
3. overlap = user_tags & item_tags画像匹配通道，找用户标签与物品标签的交集，交集越多分越高。
4. score += math.exp(-lam * (now - t))热度兜底通道，时间越久远的行为权重衰减越多。
5. scores[item_id] = (self.content_score(item_id) * 0.4 + ...)多路加权融合，把三条通道得分按经验权重相加。
6. ranked = sorted(... key=lambda kv: kv[1], reverse=True)对融合得分从高到低排序，选出排名最靠前的候选。
7. print("cold start recall:", result)输出最终候选列表，验证冷启动链路在代码层面已打通。

常见误区

面试题