❄️ 第21课：冷启动问题

🎯 学习目标

🗂️ 课程定位

📖 核心理论

冷启动是推荐系统最棘手的问题之一。当缺乏足够的交互数据时（新用户、新物品、新系统），传统方法难以给出好的推荐。冷启动解决方案是推荐系统能否成功上线的关键。

📐 数学公式

💻 代码实现

import numpy as np
np.random.seed(42)
print("="*60+"\n冷启动推荐\n"+"="*60)
n_users=30;n_items=20;n_features=5
# 物品内容特征
item_features=np.random.randn(n_items,n_features)
item_categories=np.random.choice(["电影","音乐","游戏","书籍"],n_items)
print(f"用户:{n_users} 物品:{n_items} 特征:{n_features}")
# 生成交互(老用户有交互，新用户无)
n_old=20;n_new=n_users-n_old
interactions={}
for u in range(n_old):
    n_int=np.random.randint(3,8)
    for i in np.random.choice(n_items,size=min(n_int,n_items),replace=False):
        interactions[(u,i)]=np.random.randint(1,6)
print(f"老用户:{n_old} 新用户:{n_new} 交互:{len(interactions)}")
# 方法1: 热门推荐(最简单的冷启动)
from collections import Counter
item_counts=Counter(i for(u,i)in interactions.keys())
hot_items=[i for i,_ in item_counts.most_common(10)]
print(f"\n热门物品Top-5:{hot_items[:5]}")
# 方法2: 基于注册信息
print("\n--- 基于注册信息推荐 ---")
user_profiles=np.random.choice(["科技","娱乐","体育"],n_users)
from collections import defaultdict; category_items=defaultdict(list)
from collections import defaultdict
cat_items=defaultdict(list)
for i in range(n_items):cat_items[item_categories[i]].append(i)
for u in range(n_new):
    profile=user_profiles[n_old+u]
    rec=cat_items.get(profile,hot_items[:5])
    print(f"  新用户{n_old+u}(兴趣:{profile}):推荐{rec[:3]}")
# 方法3: 基于内容推荐
print("\n--- 基于内容推荐(物品冷启动) ---")
new_item_features=np.random.randn(5,n_features)
from scipy.spatial.distance import cosine
for ni in range(5):
    sims=[1-cosine(new_item_features[ni],item_features[i])for i in range(n_items)]
    top3=np.argsort(sims)[-3:][::-1]
    print(f"  新物品{ni}:相似物品={top3}(类别={[item_categories[i]for i in top3]})")
# 方法4: 跨域推荐
print("\n--- 跨域推荐 ---")
source_interactions={}
for u in range(n_old):
    n_int=np.random.randint(2,5)
    for i in np.random.choice(10,size=min(n_int,10),replace=False):
        source_interactions[(u,i)]=1
print(f"源域交互:{len(source_interactions)}")
# 用源域信息映射到目标域
domain_map={i:np.random.randint(n_items)for i in range(10)}
for u in range(n_new):
    source_items=[i for(uu,i)in source_interactions if uu==u]
    target_items=[domain_map[i]for i in source_items if i in domain_map]
    print(f"  新用户{n_old+u}:源域→目标域{target_items[:3]}")
# 评估冷启动效果
print("\n--- 冷启动效果评估 ---")
# 对新用户用不同策略
strategies={"热门推荐":hot_items[:5],"随机推荐":list(np.random.choice(n_items,5,replace=False))}
# 模拟新用户偏好
new_prefs=np.random.random((n_new,n_items))>0.85
for name,rec in strategies.items():
    hits=0
    for u in range(n_new):
        if any(new_prefs[u,i]for i in rec):hits+=1
    print(f"  {name}:HitRate={hits/n_new:.4f}")

🔴 运行结果

✅ 验证通过

🔍 代码解读

💡 关键洞察

📝 本章小结

🧪 练习

📚 延伸阅读

💼 面试考点

🏭 工业案例