推薦系統需要根據使用者的歷史行為和興趣**使用者未來的行為和興直，因此需要大量的使用者行為資料，對於已經積累了大量的使用者資料的公司來說，這或許根本不是問題，但對於沒有使用者資料的公司來說，如何做到個性化推薦並且讓使用者對推薦結果滿意呢？
利用使用者的註冊資訊，可以較好的解決使用者冷啟動問題。
獲取使用者的註冊資訊；
根據使用者的註冊資訊對使用者分類；
給使用者推薦他所屬分類中使用者喜歡的物品。
在新使用者第一次訪問推薦系統時，我們先不立即向其推薦物品，而是提供一些物品，讓使用者反饋他們對這些物品的興趣，然後根據使用者的反饋提供個性化推薦。選擇合適的物品啟動使用者的興趣，可以較好的解決系統冷啟動問題。
基於使用者註冊資訊的推薦演算法核心問題是計算每種特徵的使用者喜歡的物品
故定義物品i在具有f的特徵的使用者中的熱門程度：p(f,i)=|n(i)交u(f)|/(n(i)),（ps.除以n(i)是為了避免熱門商品有較高的權重）可以理解為喜歡i的使用者中具有特徵f的比例，為了解決資料稀疏問題（如乙個物品只被乙個使用者喜歡過，而這個使用者剛好有特徵f，那麼p(f,i)=1,這種情況沒有統計意義，所以分母有加上乙個比較大的數，避免這樣的物品產生較大的權重）最終形式為：
利用物品的內容資訊，可以在某種程度上解決物品的冷啟動問題。
其中，p和q是兩個分布，kl散度越大說明分布的相似度越低。
在很多系統剛建立的時候，既沒有使用者的行為資料，也沒有充足的物品內容資訊來計算準確的物品相似度，這個時候，如果想讓這個推薦系統在建立的時候就能讓使用者獲得比較好的體驗時，可以考慮利用專家進行標註。
行為資料，也沒有充足的物品內容資訊來計算準確的物品相似度，這個時候，如果想讓這個推薦系統在建立的時候就能讓使用者獲得比較好的體驗時，可以考慮利用專家進行標註。
《推薦系統實踐》第三章 推薦系統冷啟動問題
冷啟動問題 cold start 主要分3類。3 系統冷啟動 系統冷啟動主要解決如何在乙個新開發的 上 還沒有使用者，也沒有使用者行為，只有一些物品的資訊 設計個性化推薦系統，從而在 剛發布時就讓使用者體驗到個性化推薦服務這一問題。一般來說，可以參考如下解決方案。2 利用使用者註冊時提供的年齡 性別...
推薦系統 冷啟動問題
使用者冷啟動 即提供非個性化的推薦，即提供熱門排行榜，之後再個性化 使用者註冊資訊分3中 p f,i n i u f n i an i 是喜歡物品i的使用者集合，u f 是具有特徵f的使用者集合，引數a的目的是解決資料係數的問題。比如有乙個物品只被乙個使用者喜歡過，而這個使用者剛好就有特徵f，那麼p...
推薦系統冷啟動問題
一 冷啟動問題簡介 如何在沒有大量使用者資料的情況下設計個性化推薦系統並讓使用者對推薦結果滿意從而願意使用推薦系統，就是冷啟動問題。1.分類 3類 二 利用使用者註冊資訊解決冷啟動問題 即利用年齡 性別等資料。推薦一些熱門商品 該方法粒度較粗 如若是女性，則推薦女性都喜歡的商品。使用者註冊資訊含3種...