概述
基于上下文感知的汤普森采样推荐算法研究
郑操
【摘
要】
摘要：探索和利用是推荐系统中一类非常重要问题，如何在探索和利
用中找到一个平衡点是这类问题的关键，通过物品的上下文信息以及通过对用
户特征不断的学习，给出一个基于上下文感知的多臂
Bandit
模型，利用汤普
森采样对用户特征进行迭代学习的算法，并通过累积回报评价指标对算法模型
的有效性进行评估。
【期刊名称】
现代计算机(专业版)
【年
(
卷
),
期】
2019(000)007
【总页数】
3
【关键词】
上下文感知；汤普森采样；多臂
Bandit
模型；推荐系统
0
引言
伴随着互联网不断的发展，普通用户可以接触到的信息产生了翻天覆地的变化，
人们可以通过不同渠道获取大量的信息，随着数据量的日益增长，我们已经不
再仅仅关注基本需求的满足，而是更加注重个性化需求。同样，在推荐系统中
如何更好的在用户和信息之间扮演好桥梁作用也变得越来越重要，人与人之间
存在很多个体性的差异，人们对于同一个事物的口味和偏好也往往不同，在这
其中，个性化推荐就起到了十分重要的作用。
个性化推荐中，十分重要的一点在于如何发掘用户和信息之间的联系，或者说
如何发掘用户的兴趣和偏好，由此我们需要一种策略来对用户的兴趣和偏好进
行学习，通过用户的行为对用户的特征进行拟合，在推荐系统中常常采用探索
与利用框架来描述这一问题，我们既需要通过对用户已知的历史行为来向用户
最后
以上就是冷傲飞鸟为你收集整理的汤普森算法_基于上下文感知的汤普森采样推荐算法研究的全部内容，希望文章能够帮你解决汤普森算法_基于上下文感知的汤普森采样推荐算法研究所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复