Puede iniciar en frío un sistema de recomendación.
Hay dos tipos de sistemas de recomendación; filtrado colaborativo y basado en contenido. Los sistemas basados en contenido usan metadatos sobre las cosas que estás recomendando. La pregunta es, entonces, ¿qué metadatos es importante? El segundo enfoque es el filtrado colaborativo que no se preocupa por los metadatos, simplemente usa lo que las personas hicieron o dijeron sobre un elemento para hacer una recomendación. Con el filtrado colaborativo no tiene que preocuparse por qué términos en los metadatos son importantes. De hecho, no necesita metadatos para hacer la recomendación. El problema con el filtrado colaborativo es que necesita datos. Antes de tener suficientes datos, puede usar recomendaciones basadas en el contenido. Puede proporcionar recomendaciones que se basan en ambos métodos, y al principio tienen un contenido 100%, a medida que obtiene más datos comienzan a mezclarse en el filtrado colaborativo. Ese es el método que he usado en el pasado.
Otra técnica común es tratar la porción basada en el contenido como un simple problema de búsqueda. Simplemente coloque metadatos como el texto o el cuerpo de su documento y luego indexe sus documentos. Puede hacerlo con Lucene & Solr sin escribir ningún código.
Si usted quiere saber como trabaja básicamente de filtrado colaborativo, revise el Capítulo 2 de "Programación de la inteligencia colectiva", de Toby Segaran
Esta es la mejor respuesta y realmente merece la marca de verificación. Yo agregaría que los algoritmos de bandido podrían tener un papel en el descubrimiento de las tasas de referencia para nuevos productos o en la determinación de la compensación entre los enfoques basados en el contenido y la colaboración. – SetJmp