Awesome-Cold-Start-Recommendation

一站式速查冷启动推荐资源，快速跟上研究前沿

这是一个关于推荐系统冷启动问题的精选资源列表，收录了相关论文、代码、数据集和工具。冷启动是推荐系统面临的核心挑战之一，即如何在没有足够用户行为数据的情况下为新用户或新物品提供个性化推荐。该项目系统性地整理了该领域的前沿研究，涵盖基于内容、基于图神经网络、基于元学习等多种解决方案，并持续更新，为研究者和工程师提供了便捷的导航。其核心价值在于节省调研时间，帮助用户快速了解冷启动推荐的技术脉络和可用资源。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 290
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队YuanchenBei
所属国家
官网地址
GitHubhttps://github.com/YuanchenBei/Awesome-Cold-Start-Recommendation
定价模式free
价格说明开源资源列表，MIT 许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言
技术栈/模型cold-start,cold-start-problem,graph-learning,large-language-models,recommendation,recommender-system,user-modeling
GitHub 星标★ 290
30天Star增速
HF 下载量
上线时间2024-01-01 00:00:00
最近更新2026-09-15 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 资源分类清晰，覆盖论文、代码、数据集，便于按需查阅
  • 持续更新，保持内容时效性，紧跟最新研究成果
  • 汇集多种技术路线，如元学习、图神经网络，拓宽解决思路

不足之处

  • 文档/社区待观察
  • 缺乏代码实现或深度解读，仅提供链接，实用性受限

适用场景

  • 学术研究者调研冷启动推荐方向，快速获取领域概览
  • 推荐系统工程师寻找冷启动问题的工程解决方案参考
  • 学生或爱好者学习冷启动技术，发现学习路径和资源

替代项目

Awesome-Recommendation-System、Awesome-Cold-Start、Recommender-System-Papers

项目介绍

Awesome-Cold-Start-Recommendation 是数据集领域的开源项目，由 YuanchenBei 开发，2024 年首次发布。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 290。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-15。开源资源列表，MIT 许可证，完全免费，无付费版本。

它主要面向的使用场景是：学术研究者调研冷启动推荐方向，快速获取领域概览。同类可对比的替代方案包括 Awesome-Recommendation-System、Awesome-Cold-Start、Recommender-System-Papers。

上一篇：freshqa

下一篇：Awesome-LLM4RS-Papers

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10528 2026-08-10
aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1645 2026-09-20
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3398 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09