# 冷启动

## 元数据

- 书名：深度学习推荐系统
- 作者：王喆
- 章节：第5章 多角度审视推荐系统
- 页码线索：159-164
- 目标岗位：AI PM / 推荐系统产品 / 算法工程师面试
- 优先级：P0
- 标签：cold-start, active-learning, personalization

## 面试问题

推荐系统如何解决冷启动问题？

## 30 秒回答

冷启动来自缺少用户或物品行为数据。可用规则、内容特征、热门策略、主动学习、迁移学习、探索机制和引导用户提供偏好来缓解。

## 展开要点

- 新用户冷启动可通过注册信息、兴趣选择、上下文和热门内容启动。
- 新物品冷启动可利用内容、类目、作者、价格、文本/图像 embedding。
- 主动学习通过少量问题快速获取偏好。
- 探索与利用机制帮助新内容获得曝光。

## 高频追问

- 新用户和新物品冷启动有什么不同？
- 如何设计用户兴趣选择流程？
- 冷启动如何评估？

## 项目映射

- 新用户进入 AI 学习系统时先问目标岗位、经验、薄弱点。
- 新知识卡用主题、来源、难度和 embedding 初始化推荐。

## AI PM 迁移

AI 个性化产品启动时不能等待大量行为，必须通过显式偏好和内容理解建立初始画像。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文。