Hệ thống gợi ý (Recommender Systems – RS) được ứng dụng khá thành công trong thương mại điện tử, nó đưa ra dự đoán về các mục thông tin (items) mà người dùng có thể thích theo một trong hai cách – phản hồi tường minh và phản hồi tiềm ẩn. Phản hồi tường minh dựa vào các đánh giá, xếp hạng,… của người dùng trong quá khứ lên các items để gợi ý các items mà người dùng đó có thể thích trong tương lai. Phản hồi tiềm ẩn dựa vào các items mà người dùng từng lựa chọn, tham khảo hay xem các items đó để đưa ra các gợi ý cho người dùng. Tuy nhiên, vấn đề khó khăn chung của hầu hết hệ thống gợi ý là khi người dùng mới chưa có bất kỳ phản hồi nào trong hệ thống thì hầu như hệ thống không đưa ra gợi ý chính xác cho họ, đó chính là vấn đề khởi đầu lạnh hay còn gọi là vấn đề “Cold-start”. Trong bài viết này chúng tôi giới thiệu một giải pháp trong việc xử lý vấn đề người dùng mới dựa trên các thông tin, các thuộc tính (attributes) của người dùng mới. Qua đó, chúng tôi xây dựng các thực nghiệm để kiểm chứng tính khả thi của các mô hình. Kết quả thực nghiệm cho thấy giải pháp đề xuất có khả năng gợi ý khá tốt cho những người dùng mới.