认知流行度

流行度（Popularity）

内容的流行程度，也称之为热度，最常见的是将榜单中热度的内容推荐给用户（微博热搜，TopN商品）

基于流行度的推荐是围绕流行度计算产生的推荐模型（不仅是TopN）

解决冷启动问题 => 根据流行度来推荐商品的算法，也就是什么内容吸引用户，就给用户推荐什么内容

流行度是对商品热度的一种衡量方式，是否对推荐结果有效，还需要具体分析

MovieLens中的流行度分析

5分和1分所占比例很小，但对于系统来说价值最大

（Youtube中5分和1分的价值最大）

高流行度的item所占比例很小

低流行度的item评分差异大（越不流行=>自己的喜好来判断）

高流行度的item评分差异小（越流行=>群体的喜好影响力大）

从数据集中了解流行度的趋势：

MovieLens数据集

高中低评分的电影，评分随时间变化的趋势相似

评分随时间的变化趋势，都是先升高再降低

=> 评分趋势随时间的变化规律很重要

高流行度的item，评分波动越小，反之低流行度的item，评分波动大

=> 用户的从众心理

冷启动问题

• 当用户行为信息不足时，采用非个性化推荐

• 算法本质，什么内容吸引用户，就给用户推荐什么内容

• 也需要有代表性和区分性，即不能太大众化或老少皆宜 => 无法区分用户的兴趣

• 多样性，用户兴趣的可能性很多，为了匹配兴趣的多样性 => 提供具有较高覆盖率的启动item集合（这些物品能覆盖主流的用户兴趣）

• MovieLens，公开数据集

• Crowdsourced 100k，众包数据集，没有公开网站中的常见偏见

• 马太效应=>在Crowdsourced中没有MovieLens中明显

• 长尾理论=>普遍存在。用户的小众需求加起来非常重要

1.对于新用户，采用非个性化推荐（基于流行度的推荐）
2. 对于老用户，可以考虑高流行度对商品推荐的降权影响，挖掘长尾

另外需要考虑到不同网站的特性，不同的网站有不同的目标，要打算解决不同的问题。

· 电商网站，比如唯品会特卖，目标是打造爆款

· 婚恋网站，比如世纪佳缘，目标是让更多人活跃起来