【关键词】Embedding;冷启动;算法

一、现有的个性化系统推荐方案

　　个性化推荐算法主要包括召回算法和排序算法。通过召回算法，每个用户可以从完整的内容库（例如，数百万个视频内容）中选取数以千或百计可能感兴趣的候选内容，例如协同过滤（Collaborative Filtering[1]）算法和FM算法（Factorization Machines[2]）。排序算法对召回的候选内容进行排序，按照用户感兴趣的程度对内容进行排序，并展示给用户，例如逻辑回归（Logistic Regression[3]）算法和DeepFM[4]算法。

二、现有技术的缺点及需要解决的问题

　　通常针对有行为的用户，一般通过算法模型计算推荐结果。然而在互联网场景中，用户和内容都是在不断增长变化的，必定会频繁面对新内容和新用户，由于新用户没有行为或行为很少，难以通过算法模型为其推荐内容，一般为其推荐预圈选好的少部分优质内容，称之为用户冷启动。
　　由于用户兴趣的差异性，为新用户推荐最新最热等预圈选内容会使得推荐结果缺乏个性化，只能满足部分人的需求。即便是结合少量标签进行用户画像推荐，效果也不够理想，为新用户提供个性化推荐是急需解决的问题。

三、基于协同过滤的冷启动推荐算法

　　协同过滤召回算法适用于用户行为丰富的场景，例如为用户A推荐其相似用户B喜欢的内容，需要有足够的数据计算A和B的相似度。本文结合协同过滤算法、聚类算法和Embedding算法进行用户冷启动推荐。具体实现如下：
　　（一）用户聚类（分群）
　　本文使用深度学习卷积神经网络（CNN）算法从用户基础信息（性别、年龄和地区等）、昵称信息和头像信息提取特征，随后利用Kmeans[5]聚类算法对用户进行聚类，得到不同的用户群。
　　（二）用户群行为合并
　　由于单个新用户行为稀疏，难以直接使用协同过滤算法，因此可以将同一用户群的用户行为进行合并。在此基础上，由于不同用户到聚类中心点的距离不一样（可理解为用户属于不同类别的相似度不一样），因此不同用户的行为权重有所差别，不能直接合并。本文提出了一种加权行为合并方案，对用户群i，假设用户j到聚类中心点的距离为di，j用户群i中所有用户到中心点的最大距离为max（di），可定义用户j的行为权重为wi，j用户离聚类中心点越近权重越大，表示用户与该类的相似度越大，公式如下：
　　wi，j =1-di，j / max （di）
　　根据上式求得的权重，对同一用户群内的用户行为进行加权合并。假设用户对电影的原始评分只有0和1，用户群i（其中用户群i有n个用户）对电影k的得分是每个用户对电影k分数的加权求和，公式如下：
　　new_scorei，k = =1 wi，j * scorek
　　由于用户群中不同用户的行为都合并在一起了，使原本稀疏的矩阵变得稠密，因此合并后的用户群适合使用协同过滤算法。
　　（三）基于用户群进行协同过滤+embedding进行推荐通过上述的聚类和行为合并，得到用户群样本后，可以将一个用户群i看作一个用户，然后基于用户协同过滤计算用户群i的相似度，为用户群推荐最相似用户群的评分topK内容。假设经协同过滤得到“用户群1”最相似的用户群为“用户群99”，取“用户群99”评分最高且“用户群1”未看过的1000部电影作为“用户群1”的初步推荐结果。这是为用户群整体所做的推荐，难以通过上述权重计算公式拆分每个用户的评分，也不宜为用户群所有用户推荐一样的内容。
　　基于此，由于用户群维度有较为丰富的行为，针对该用户群进行DeepFM建模，得到各用户群embedding向量。通过Step1CNN提取的特征构造用户embedding向量。
　　最后计算用户embedding向量到候选内容embedding向量的距离（相似度），为每个内容推荐距离最近（最相似）的topN个内容，例如100个。

四、总结

　　新用戶行为稀疏，难以通过模型为其推荐内容，通常通过年龄、性别、地区等用户画像的方式划分用户群进行分群推荐，缺少个性化。本文结合协同过滤、聚类和embedding提出了一种新的用户冷启动方法，可以有效地为不同用户推荐更丰富的内容，能更好地解决用户冷启动问题。