LensKit Recommender仅对部分用户返回结果其余为空DataFrame，原因是什么？

• 冷启动阈值触发：LensKit的UserUser协同过滤算法内置了用户特征有效性校验规则，当单用户的历史评分/交互记录数量低于min_neighbors、min_user_rating等参数设置的最低阈值时，算法无法匹配到足够的相似近邻用户，就会直接返回空推荐结果。而你构造的群组混合用户是聚合了多成员的评分数据，行为数据量普遍高于低活跃单用户，完全满足阈值要求，所以始终能返回正常结果。
• 用户ID映射异常：如果单用户推荐时传入的用户ID和模型训练阶段使用的用户ID存在数据类型不匹配、取值不在训练集用户范围内的问题，算法无法匹配到对应的用户特征，也会返回空结果。你构造的混合用户是推荐请求时动态生成的，不需要依赖预存的用户ID映射关系，因此不受该问题影响。
• 已评分物品过滤规则命中：LensKit的Recommender对象默认会过滤掉用户已经产生过评分的物品，如果单用户的历史评分已经覆盖了全部候选物品池的内容，也会返回空结果。群组混合用户的评分是多成员评分的平均值，不会触发全量已评分过滤规则，因此返回正常。
• 模型加载异常：如果你的模型是预训练后本地存储、Django服务启动时加载的，需要检查模型加载过程中是否出现了部分用户特征丢失的问题，动态生成的混合用户不需要依赖预存特征，因此不受影响。

• 统计无法返回推荐的单用户的历史交互记录数，和模型配置的min_neighbors、min_user_rating参数值对比，确认是否满足最低数据量要求。
• 打印调用推荐接口时传入的单用户ID的类型、取值，和训练集的用户ID样本做匹配校验，排除ID映射错误。
• 调用推荐接口时添加include_rated=True参数测试，如果能返回结果即可定位是已评分物品过滤规则导致的空返回。

内容的提问来源于stack exchange，提问作者Irina Mon