在线等，挺急的！推荐系统中协同过滤关于新加入物品的问题

Question

协调过滤，基于物品的推荐中，我看了很多博客的介绍都是使用离线的方法计算出物品相似度矩阵，然后在线上直接使用这个矩阵来进行推荐的，那么如果新加入一个物品的话，没有任何用户行为(点击，喜欢，收藏，购买)产生的话，即使又重新线下计算的话，那不也是不会推荐出来吗？我看了这个基于物品推荐的算法，都是先从用户行为中得到物品共现表，然后根据共现表判断物品相似度，那么现在都没有行为产生，该如何推荐？在，作者说可以再根据物品内容判断物品相似度，那么这个和基于物品推荐有什么联系呢？如果使用基于内容推荐的话，岂不是不算是协同过滤中的基于用户推荐了？因为都没有按照用户行为来判断相似。很多线上网站我看他们都是可以实时推荐的，如果按照协同过滤基于物品推荐的话，每次都要重新计算相似度矩阵，岂不是要耗费很长时间？这怎么做到实时推荐？

Answer 1

3.计算相似度矩阵都是比较稳定的，变化不大，所以你可以用昨天的相似度矩阵做实时推荐，每天晚上重新计算相似度矩阵。
2.基于内容推荐可以是基于用户行为，也可以不基于用户行为。看你怎么实现了。
1.新加入物品，可以按照2的方式按照内容推荐，也可以把它等同于最相似的已有物品进行推荐。
                            

Answer 2

对于新用户可以做非个性化推荐，比如按销量等常规推荐，待收集到相关的用户行为数据再做个性化推荐，或者根据注册的基本的信息的画像，比如年龄、性别、城市等做相似用户喜欢的物品推荐对于新物品，同理可用基本的的信息如分类，价格等推荐给喜欢相似物品的用户。