किसी recommender में नए यूजर और नए items की cold start समस्या आप कैसे संभालेंगे?

दोनों पहलुओं को अलग अलग संभालिए। नए items के लिए content features इस्तेमाल कीजिए (text, category, खुद item से निकाली गई embeddings) ताकि किसी interaction के बिना भी उन्हें score किया जा सके, और उन्हें exploration का बजट दीजिए। नए यूजर के लिए popularity या segment स्तर की सिफारिशों पर लौटिए, फिर session की शुरुआती signals इस्तेमाल कीजिए और पर्याप्त interactions जमा होते ही personalized collaborative signals पर चले जाइए।

ये दो अलग समस्याएं हैं, इसलिए मैं इन्हें अलग अलग लेता हूं। नए items आसान आधा हिस्सा हैं: मैं two tower सेटअप इस्तेमाल करता हूं जहां item tower content features लेता है, यानी title का text, category, price band, description या thumbnail की embedding। इसका मतलब है कि अभी अभी अपलोड हुए item के पास पहले मिनट से एक काम का vector है, इससे पहले कि किसी ने उस पर क्लिक भी किया हो। नए यूजर के लिए एक सीढ़ी है। कुछ भी न हो तो popularity, और आदर्श रूप से उस संदर्भ के भीतर की popularity जो मुझे पता है, जैसे देश और device। जैसे ही वे दो चार बार interact करते हैं, मैं उन items से एक session आधारित representation बना सकता हूं, जो मेरे अनुभव में signup के किसी सवालनामे से मिली किसी भी चीज से ज्यादा कीमती है। फिर interaction count पार करते ही वे पूरे personalized रास्ते पर आ जाते हैं। जो हिस्सा लोग भूल जाते हैं वह exploration है। शुद्ध exploit करने वाला ranker नया item कभी सामने लाता ही नहीं, इसलिए उसे impressions नहीं मिलते, इसलिए signal नहीं मिलता, और catalogue चुपचाप जड़ हो जाता है। मैं feed में एक जगह upper confidence bound जैसे नियम से चुने गए candidate के लिए रखता हूं, और click rate के साथ साथ catalogue coverage को असली metric की तरह track करता हूं।