有没有什么算法能讓系统推荐冷门的东西？

[LeCent]

[SuperMild]

也可以这样，设定最低有效评分人数（假设大于等于 100 人评分才有效），设定冷门评分人数（假设小于 200 人评分就是冷门），设定高分率占比优秀参数（假设四星五星占超过 50%的就是优秀）……这样，冷门优秀影片就确定了。

[tf141]

冷门还要高质那现在只有靠人工推荐了

[RingoCat]

自荐博客一篇：[Amazon 推荐系统 20 年]( http://ringo.pub/2017/07/02/amazonRS/)
其中提到在数据不足的情况下基于内容的算法（推荐用户以前喜欢的热门物品的同类冷门物品）、基于行为的算法，希望能帮到你。

[murmur]

@LeCent 这种东西首先要录入数据库的 如果冷到连内容运维人员都不知道怎么办
还得人工干预

[cszhiyue]

有几种途径:
- 基于内容的推荐算法，通过计算物品之间的相似度(文本，视频，音频)。来进行推荐算法
- 区分冷门和热门物品，进行分层推荐，也就是冷门推荐占据一定的比例。

[gamexg]

？
点击率小于一定值表示冷门，
好评率大于一定程度表示东西好。

然后目标达成。

[huntererer]

我觉得楼主问的是推荐系统发掘长尾内容的能力，一般可以用覆盖率和新颖性作为评测指标

[staticor]

衡量一下自己的目标是什么, 比如保证用户点击率最低这种, 才好确定自己的模型方向


最容易想的是依照的 TOP-N 推荐, 取一个反向的 TAIL-N

[DongDongXie]

我猜题主所说的冷门指的是长尾物品，这种简单的可以使用 content-based 方法进行推荐啊，还可以考虑社交关系啊，给用户推荐的时候也不是说越热门越好，得看他的个人偏好，不是每个人都喜欢流行度高的东西，这种流行度策略是解决冷启动的一种比较无奈的手段，因为没用户信息啊，所以只能认为推荐热门的东西应该问题不大。推荐系统现在都不只关注精确率和召回率了，还有啥惊喜度啊、覆盖率啊、新颖度啊，都有考虑新的东西进去（并不一定就是热门的）

[Shura]

@gamexg 点击量小于一定值，评价量此时比点击量至少小一个量级，此时的好评率还可信吗？

[janus77]

正如上面说的，冷门的定义确实很难
1.纯粹以「热门的反义」定义，那直接反向排序就行了，但是这样出来的冷门没有意义，换句话说不需要为此专门开一个产品特性。
2.以「冷门好物」定义，这样的也没有意义，因为好的标准不同，大多数是以个人喜好作为依据的。
对于「公认的冷门好物」，我个人认为没有这个定义，如果有一种东西大多数人都认为好（公认），那么最终他也会变成热门。
3.以每个人的喜好+冷门作为定义，这依然没有意义，因为具体到每个人，喜好就是喜好，没有热门和冷门之分了。

[cabing]

首先你要找出冷门的是什么？定义什么是冷门的？分开冷门和热门，又更进一步对冷门进行更多的分层分类

其次如何获取推荐内容，网上有超多算法的。

再则如何推荐
1 呈现数据，可以冷门和热门一起，热门冷门占比 7-3 之类的
2 给谁推荐，什么情况下才有冷门的数据出现呢。

先想你的使用场景，再考虑实现，实现真的不是问题。

[linus3389]

val val1 val2
百度指数 google 趋势 < val1 &&
微博 微信 门户曝光率 < val1 &&
点击率 < val &&
好评率 > val*0.8 &&
给好评的用户活跃度 > val2 &&
知乎 Quora 长评数赞数 > val2 &&
编不下去了