张 倩，王 进

（南通大学 信息科学技术学院，江苏 南通 226019）

随着社会的发展，早教市场备受关注，2019 年发布的《中国早教蓝皮书》预计到2025 年我国早教市场规模将突破4 500 亿元[1]。儿童早教市场前景巨大，儿童早教类电子商务市场正蓬勃兴起。绘本是早教类产品的重要载体，儿童早期教育的重要资源，无论是它的表现形式还是内在涵义，都非常适合学龄初期儿童的身心发展。如何帮助儿童在种类繁多的绘本中快速、准确地挑选到合适的绘本是早教类电子商务公司亟需解决的问题。同时，教育学和心理学的相关研究表明，在培养儿童阅读兴趣的关键期，选择符合儿童阅读兴趣的绘本有助于儿童良好阅读习惯的养成[2]。

如今推荐系统（recommender systems）[3]被广泛应用在电子商务领域中，与普通的电子商务推荐系统不同，儿童绘本推荐系统由于儿童用户的特殊性，无法得到准确的阅读兴趣，从而产生特殊的冷启动问题[4]。当前解决冷启动问题的方式主要有：直接询问用户喜好或等用户反馈信息[5-6]；利用用户社交圈信息[7-9]；运用跨域推荐技术[10-12]；利用热门榜单推荐[13]；采用数据填充技术[14-15]。这些技术在一定程度上可以缓解冷启动，但是在儿童绘本推荐系统中却不适用。

著名在线影片租聘供应商Netflix 在缺少用户数据时通过以下方式获取信息：先随机推荐5 部电影给用户，要求用户对推荐的电影评分，再根据打分的情况获得用户的反馈信息。本文将此方式称为显式问询，并据此提出隐式问询方式：不直接询问用户的兴趣偏好而是通过询问用户的日常行为喜好，从而间接推断出用户潜在的兴趣偏好，进而根据用户的潜在兴趣匹配相应商品。……