注意：冷启动的解决方案目的都是 1. 对用户而言，在用户数据不够充足的条件下提供非个性化推荐获得粗粒度的个性化推荐，在用户数据收集足够时提供个性化推荐。 2. 对物品而言，在物品和用户之间关联关系未建立起来的时候，可以根据相似物品来推荐当前新物品，等到关联关系建立起来之后，再进行个性化推荐。 一、冷启动的定义 推荐系统需要根据用户的历史行为和兴趣来预测用户未来的行为和兴趣，因此大量的用户行为数据就成为推荐系统的重要组成部分和先决条件。但是对于很多在开始阶段就希望能有个性化推荐的网站来说，如何在没有大量用户数据的情况下设计一个个性化推荐系统并且让用户对推荐结果满意从而愿意使用推荐系统。即冷启动。 二、冷启动的分类 1. 用户冷启动-即新用户到来的时候，如何给新用户提供个性化推荐 2. 物品冷启动-即新物品到来的时候，如何给新物品推荐给对他感兴趣的人 3. 系统冷启动-即新的网站刚刚上线的时候（只有物品，没有用户行为），如何设置个性化推荐系统 三、解决方案 对于三种不同的冷启动问题，通常有不同的解决方案，一般来说有如下的几种解决方案。 对于用户 1. 提供非个性化的推荐-非个性化的推荐最热门的就是热门排行榜，即给用户推荐排行榜的物品，等到用户数据收集到一定程度的时候，再提供个性化推荐。 2. 利用用户注册时提供的年龄、性别等数据做粗粒度的个性化推荐 3. 利用用户的社交网站账号登录，导入用户在社交网络的好友信息，然后根据用户推荐其好友喜欢的物品 4. 要求用户在登录时对一些物品进行反馈，手机用户对这些物品的兴趣信息，然后给用户推荐那些和这些物品相似的物品 对于物品 1. 对于新加入的物品，可以利用内容信息，将他们推荐给喜欢过和他们类似的物品的用户 对于新系统 1. 在系统冷启动时，可以引入专家的知识，通过一定的高效的方式迅速建立起物品的相关度表，根据相关度表，以及配合对于用户的处理的方法，来提供个性化推荐
