本研究提出了多种冷启动推荐方法，包括基于对比学习的框架、预训练语言模型的情感分析和混合矩阵分解模型。这些方法在不同数据集上验证了其有效性，显著提升了推荐系统的性能，尤其在用户和商品稀缺交互的情况下表现优异。