【推荐算法】探索与利用一、传统的探索与利用方法二、个性化的探索与利用方法三、基于模型的探索与利用方法参考资料
“探索与利用”机制是在“探索新数据”和“利用旧数据”之间进行平衡，使系统既能够利用旧数据进行推荐，达到推荐系统的商业目标，又能高效地探索冷启动的物品是否是“优质”物品，使得冷启动物品获得曝光的倾向，快速收集冷启动数据。解决“探索与利用”主要有三大类方法：传统的探索与利用方法：主要有ε-greedy、汤普森采样和UCB(Upper Confidence Bound，置信区间上界)。该类解决方法着重解决新物品的探索和利用，方法中并不考虑用户、上下文等因素，因此是非个性化的探索与利用方法。个性化的探索
