冷启动问题主要分为三类：
（1） 用户冷启动：如何给新用户做个性化推荐的问题，新用户刚使用网站的时候，系统并没有他的行为数据； 
（2） 物品冷启动：解决如何将新的物品推荐给可能对它感兴趣的用户； 
（3） 系统冷启动：如何在新开发网站设计个性化推荐系统，此时网站上用户很少，用户行为也少，只有一些商品的信息。

冷启动的主要解决方案：
（1） 提供非个性化推荐：如热门排行榜推荐，等到用户数据收集到一定程度时，切换到个性化推荐；
（2） 利用用户注册信息：如性别，年龄，做粗粒度的个性化；
（3） 利用用户的社交网络账号登录（需要用户进行授权），导入用户在社交网站上的好友信息，然后给用户推荐其好友喜欢的物品； 
（4） 选择合适的物品启动用户的兴趣：要求用户在登录时对一些物品进行反馈，收集用户对这些物品的兴趣信息，然后给用户推荐那些和这些物品相似的物品； 
（5） 利用物品的内容信息：对于新加入的物品，可以利用内容信息，将他们推荐给喜欢过和它们相似的物品的用户； 
（6） 发挥专家的作用：在系统冷启动时，可以引入专家的知识，通过一定的高效方式迅速建立起物品的相关度表。