这是被称为冷启动的推荐系统的常见问题。你可以查一下，那里有一些建议的解决方案，但我从未测试过它们。看看这篇论文：

http://www.cs.toronto.edu/~mvolkovs/nips2017_deepcf.pdf

是的。您可以推荐与用户选择的项目相似的项目，而无需用户配置文件。相似性基于项目属性和通常称为More Like This的方法。MLT 是基于内容的过滤的变体之一。

参见例如：

• “评估电影的项目相似性算法”
• “寻找类似电影：数据集、工具和方法”

首先，您需要明确您想要提出什么样的建议。

评级的原因是能够将项目与用户偏好相关联。您可以避免评级并将推荐设计为分类问题，将产品分类到某个事件（有人喜欢与否），但这仍然需要您根据一些信息设计标签。

总之，是的，您可以不进行评级，但您仍然需要一些有关用户偏好或标签的信息。

一般来说，推荐系统有两种类型。一种是基于社区的，另一种是基于内容的。

在基于社区的 中，您实际上是在告诉用户，“您是年轻女性，这是其他年轻女性喜欢的内容”。

在基于内容的 中，您实际上是在告诉用户，“您喜欢内容 A，这里的内容 B 被同样喜欢内容 A 的人所喜欢”。

因此，在您的情况下，您将寻求构建一个基于内容的系统。这意味着您必须根据整个站点的用户操作构建元数据集。当有人观看内容 A 时，他们之后观看了什么？然后在那之后呢？什么内容让他们离开？哪些内容让他们注册了您的网站或购买了一些东西或在您的网站上执行了一些其他操作？哪些类别的内容可能会被一起观看？

当您可以收集该类型的元数据时，您将能够更好地创建模型。请注意，我相信您可以从您发布的示例数据中提取它，这只是您如何组织它的问题。