當冷啟動物品的數量很多時，比如短視頻平台每天都有大量的新短視頻上架；電商平台每天都有大量新商品上架， 對所有冷啟動物品都分配一些流量以便探索其潛力是低效的。因此，我們需要一些召回策略。
隨機召回
推薦召回具體公平但低效的特點，可以作為基準策略。
基於規則的召回
根據業務的特點來召回對應的物品。比如相親平台可以根據地理位置召回同城的異性作為推薦標的。
基於內容偏好的召回
統計或建模使用者對物品內容（屬性）的偏好程度，並根據偏好內容和屬性來召回。
基於模型的召回
選擇一個適合冷啟動情境的模型，如 DropoutNet 模型。
下面一篇文章以DropoutNet模型為例，介紹一下基於模型的冷啟動召迴流程。