融合协同过滤与上下文信息的Bandits推荐算法-计算机科学与探索.pdf

计算机科学与探索 1673-9418/2019/ 13(03)-0361-13 Journal of Frontiers of Computer Science and Technology doi: 10.3778/j.issn. 1673-9418.1807011 融合协同过滤与上下文信息的Bandits 推荐算法* + 王宇琛，王宝亮 ，侯永宏 天津大学 电气自动化与信息工程学院，天津 300072 + 通讯作者 E-mail: wangbl@ 摘 要：随着推荐算法在众多领域的广泛应用，冷启动问题得到了越来越多的关注。针对仅可获得老用户对 商品文字评价的场景，提出了一套解决用户冷启动问题的方案与算法。首先通过分析发现了文章主题提取与 基于商品评价提取特征的相似性，因此引入自然语言处理领域的LDA （latent Dirichlet allocation ）生成模型提取 商品潜在特征；然后在传统Bandits 算法的基础上融入邻居用户的协同作用提出了COLINBA （collaborative filtering context linear Bandits ）算法，该算法通过相似度权重因子控制邻居用户对推荐结果的贡献，使得协同 作用更加精确有效，推荐完成后根据用户真实反馈以及所推荐商品的特征更新用户特征。最后采用真实数据 集Delicious 和Last.fm 将该算法与该领域的必威体育精装版方法进行比较，实验结果表明该算法对推荐效果有提升作用。 关键词：推荐系统；冷启动；多臂赌博机；协同过滤 文献标志码：A 中图分类号：TP301 王宇琛, 王宝亮, 侯永宏. 融合协同过滤与上下文信息的Bandits 推荐算法[J]. 计算机科学与探索, 2019, 13(3): 361-373. WANG Y C, WANG B L, HOU Y H. Bandits recommendation algorithm based on collaborative filtering and context information[J]. Journal of Frontiers of Computer Science and Technology, 2019, 13(3): 361-373. Bandits Recommendation Algorithm Based on Collaborative Filtering and Context Information 索 + 探 WANG Yuchen, WANG Baoliang , HOU Yonghong School of Electrical Automation and Information Engineering, Tianjin University, Tianjin 300072, China 与 Abstract: With the wide application of the recommender system in various domains, the cold start problem has 学 g gained increasing attention in recent years. For the situation where only text comments of items are available, this 科 r o paper proposes a set of solution and algorithm that can solve the cold start problem of new users