协同过滤是推荐系统构成中非常经典的算法，分为基于用户的协同过滤和基于物品的...

Question

协同过滤是推荐系统构成中非常经典的算法，分为基于用户的协同过滤和基于物品的协同过滤。它的本质是通过计算用户与用户之间的相似度，或物品与物品的相似度来对用户的兴趣进行预测，进而推荐相关物品给用户。请使用上述知识解答下面问题：

(1)     现有五个用户A，B，C，D，E；三个物品X，Y，Z；通过分析用户在网站上的购物历史和人群画像标签，分析出各个用户对各个物品的兴趣指数。兴趣指数见下面表格：

	X	Y	Z
A	3	4	3
B	2	4	4
C	3	5	4
D	2	2	3
E	4	1	4

现需要向用户E推荐相机，已知A，B，C，D对于三种相机M，N，O的兴趣打分如下:

	M	N	O
A	3	4	3
B	5	1	2
C	2	5	5
D	4	2	3

请给出给E推荐相机的最佳顺序, 给出详细解答过程

(2)    在上述的问题中，大家可以发现，协同过滤对于用户的历史数据依赖较强，那么对于冷启动问题，有什么样比较好的解决方法？