融合矩阵分解的多臂赌博机推荐算法

摘要 近几年，随着推荐系统广泛应用在各个领域，冷启动问题受到了越来越多的关注.本文针对只可获得用户对商品评价的情况，解决冷启动难题.大部分已有研究通常先构建用户和商品的静态特征，再采用多臂赌博机策略进行推荐，其缺点是没有深入提取和更新特征，限制了推荐性能.本文提出一种新的算法来解决特征提取问题，具体来说，根据用户对商品真实评价与预测评价的误差，使用矩阵分解算法更新用户和商品特征；再对新的特征使用多臂赌博机策略进行商品推荐.新算法很好地将多臂赌博机策略和矩阵分解算法结合起来，并有很强的通用性和可扩展性.最后，采用真实的数据集Movielens和Last.fm将本文算法与其他不采用上下文信息的最新方法进行比较，实验结果表明该方法在一定程度上提升了推荐性能