协同过滤对新用户完全失效，因其依赖非零历史交互计算相似度与聚合权重，而新用户无有效记录导致相似度矩阵全零、无法检索邻居或传播权重，且多数实现遇缺失id直接报错而非降级。
因为协同过滤算法本身不处理“零行为”场景——它依赖用户-物品交互矩阵，而冷启动时这个矩阵里全是空值或默认值，fit() 能跑通，但 predict() 或 recommend() 返回的全是噪声或热门项 fallback。
协同过滤为什么对新用户完全失效
协同过滤（无论是 UserCF 还是 ItemCF）的相似度计算、邻居筛选、加权聚合，全部基于非零历史交互。新用户没有一行有效记录，意味着：
-
user_similarity矩阵中该用户行全为 0 或 NaN，无法参与任何相似用户检索 -
item_similarity矩阵中该用户未交互过的物品，无法被反向传播权重（ItemCF 本质是“物品共现”，新用户没点过东西，就等于没贡献任何共现信号） - 多数开源实现（如
surprise、lightfm默认配置）遇到缺失用户 ID 时直接抛KeyError或返回空列表，而非降级策略
为什么用注册信息做画像却还是推荐不准
不是数据没用，而是特征没对齐到协同过滤的 embedding 空间。常见错误是把用户性别、年龄、标签直接拼成 one-hot 向量，再硬塞进 CF 模型的 user_id embedding 层——这相当于让模型强行学习“男=喜欢科幻”这种强假设，而实际中偏好分布远比这复杂。
- 注册字段必须映射到与 item content 向量同一语义空间（例如都用
paraphrase-multilingual-MiniLM-L12-v2编码），否则余弦距离无意义 - 设备型号、网络类型等元数据需先聚类（如用
KMeans对设备指纹分群），再用群 ID 替代原始字符串，避免稀疏爆炸 - 微信授权来的昵称/头像 URL 不能直接丢给 NLP 模型——要先调用轻量 OCR 或 avatar 分析模型提取显性特征（如“动漫头像→二次元兴趣”），再编码
ItemCF 在物品冷启动时为何“看不见”新品
ItemCF 的相似度矩阵 sim[i][j] 是靠用户共同点击/评分行为统计出来的。新品 i 上线后，只要还没被任何人交互，它在相似度矩阵中就是孤立节点——所有 sim[i][*] 和 sim[*][i] 全为 0，模型根本不会把它纳入任何推荐路径。
- 不要指望
ItemCF.fit()自动感知新品：它只在训练时看到的 item ID 集合内建模，新增 ID 必须显式调用rebuild_item_similarity()或触发增量更新 - 硬把新品插入相似度矩阵（比如设成和某热门 item 相似）会导致推荐漂移——“苹果手机评测”和“苹果营养分析”会被错误关联
- 真正可行的做法是离线预计算新品 content 向量，上线时用 faiss
index.search()找 top-K 语义近邻 item，再把它们的用户行为迁移过来“伪造”初始共现
混合策略落地时最容易被忽略的细节
冷启动不是加个“fallback 推荐”就完事，关键在于过渡时机和信号融合方式。很多团队卡在“用户点了第一篇文章，但第二轮推荐还是热门榜”——问题出在状态管理没跟上。
- 用户首次交互（点击/停留 >5s）后，必须立刻触发
profile_vector更新，并用它初始化 CF 的user_embedding，而不是等 batch 训练周期 - 不要用简单加权（如 0.7 * CB + 0.3 * CF）：CB 输出的是 item ID 列表，CF 输出的是 score 向量，维度不一致；应统一转为 item-score dict 再 merge
- 冷启动阶段的 user embedding 维度必须和 CF 主模型一致（如 64 维），否则无法接入后续 SGD 更新；用 PCA 压缩 profile 向量时，要保留至少 95% 方差
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
