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.pdfVIP

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