冷启动

[[CTR]]

• item

  • 尽快回收线上日志

  • 用预训练embedding进行warm up

  • top k 相似的old item的ctr去纠正new item的打分

  • EE探索与利用，比如汤普森采样与UCB

  • 模型训练与serving，使用门控网络控制只有在新品特征中加入多模态信息

  • 阿里妈妈KDD2022，对抗梯度探索

• user

解决问题方法

• 新物品泛化

  • 考虑属性或主题

    • 推给关注的用户

  • 用算法得到用户和物品的 embedding 向量，然后进行距离/相似度等方法做匹配

    • [[DropoutNet]]

• 更快收集到新物品的交互行为

  • 强化学习/contextual bandit

  • 在线学习

• 迁移学习调用不同场景中的数据来建立模型

• 少样本学习 few-shot learning

  • [[Meta Learning]]

[[ETA 模型]]

• 在自驾导航中也会遇到新司机

• 路网更新后z新的 link 和 light

• 拼车/出租车场景数据少

《推荐系统》系列之三：一文读懂冷启动推荐 - 知乎 (zhihu.com)

• 高效地利用side information

• 高效地利用有限的交互数据

• Explore & exploit