对新用户使用推荐系统

Posted 2023-03-12

【中文标题】对新用户使用推荐系统

【英文标题】：Using a recommender system with new user

【发布时间】：2021-07-20 13:03:52

【问题描述】：

我正在使用“隐式”包 (https://github.com/benfred/implicit) 在 python 中创建推荐系统。更精确的是，我使用的是隐式最小二乘算法。 该库非常易于使用，我能够对已经存在的用户进行预测，或者找到类似的项目，没有问题。但是我怎样才能对不在输入数据中的新用户进行预测呢？我的目标是从一个新的项目向量（〜一个新用户）中获得预测。所有项目都存在于输入数据中。 该库和其他等效库通常为数据集中已经存在的用户提供预测方法。 我的第一次尝试是为每个项目获取一个预测向量并将它们全部相加。但感觉不对，不是吗？ 这似乎是一种常见的用法，所以我想我遗漏了一些东西。使用什么方法？感谢您的帮助。

【参考方案1】：

取决于您推荐的内容，例如，如果它类似于movies，那么对于新用户，我们通常会推荐most popular movies。然后当我们更多地了解用户时，我们可以使用通常的矩阵分解。

【讨论】：

如果我们对用户没有任何先验知识，这似乎是正确的方法。但是，如果我知道一些他喜欢的电影，但我知道这个特定的用户不属于学习数据集怎么办。有什么方法可以在不重新计算所有矩阵分解的情况下进行预测？