融合協(xié)同過(guò)濾的神經(jīng)Bandits推薦算法

張婷婷, 歐陽(yáng)丹彤, 孫成林, 白洪濤

(1. 吉林大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 長(zhǎng)春 130012; 2. 吉林大學(xué) 符號(hào)計(jì)算與知識(shí)工程教育部重點(diǎn)實(shí)驗(yàn)室, 長(zhǎng)春 130012;3. 吉林大學(xué)白求恩第一醫(yī)院 內(nèi)分泌與代謝科, 長(zhǎng)春 130021)

隨著互聯(lián)網(wǎng)經(jīng)濟(jì)的迅速發(fā)展, 每天都有海量信息呈現(xiàn)在人們眼前. 對(duì)于電子商務(wù)、 視頻、 音樂(lè)、 新聞等平臺(tái), 促進(jìn)用戶消費(fèi)以將其提供的內(nèi)容或物品轉(zhuǎn)化為價(jià)值至關(guān)重要. 對(duì)于用戶, 打開(kāi)某平臺(tái)就能快速找到自己感興趣的內(nèi)容, 降低搜尋信息成本, 是一種基本需求. 基于此, 針對(duì)個(gè)性化推薦[1]的研究備受關(guān)注.

協(xié)同過(guò)濾[2-4]作為最常用的傳統(tǒng)推薦算法, 通過(guò)群體中個(gè)體的行為特征找出一組與目標(biāo)用戶相似的鄰居用戶, 并利用這種相似性進(jìn)行推薦, 通過(guò)持續(xù)的協(xié)同作用, 可獲得越來(lái)越精準(zhǔn)的推薦效果. 但協(xié)同過(guò)濾算法自身存在一些不足, 即稀疏性[5-6]和冷啟動(dòng)問(wèn)題[7-8]. 在實(shí)際推薦場(chǎng)景中, 用戶和物品規(guī)模非常龐大, 用戶通常只對(duì)小部分物品有涉獵(評(píng)分), 大部分用戶之間沒(méi)有相同評(píng)分項(xiàng)或相同評(píng)分項(xiàng)很少, 這種數(shù)據(jù)的稀疏性限制了用戶間相似性的計(jì)算, 即使可計(jì)算, 可靠性也難以保證. 冷啟動(dòng)問(wèn)題本質(zhì)上也是數(shù)據(jù)稀疏問(wèn)題的一種極端表現(xiàn), 即當(dāng)新用戶進(jìn)入推薦系統(tǒng)后, 由于其提供的評(píng)分信息有限, 因此系統(tǒng)難以找到相似用戶從而進(jìn)行協(xié)同推薦. 新物品同理, 由于用戶都未對(duì)其進(jìn)行評(píng)分, 因此即使確定了相似用戶, 也無(wú)法獲知這些用戶對(duì)新物品的評(píng)分情況.

除對(duì)上述問(wèn)題的考慮, 推薦系統(tǒng)還應(yīng)盡可能兼顧推薦的多樣性和廣度, 即探索-利用(exploration and exploitation)問(wèn)題. 利用表示對(duì)于已知用戶感興趣的物品要盡力迎合, 探索則表示推薦給用戶其未涉獵過(guò)的物品以探索其新興趣. 多臂老虎機(jī)(multi-armed Bandit)算法[9]是強(qiáng)化學(xué)習(xí)領(lǐng)域的一個(gè)解決探索-利用問(wèn)題的有效方法, 可在每輪推薦中平衡探索與利用的關(guān)系.

在多臂老虎機(jī)算法中, 每輪向用戶呈現(xiàn)一組物品, 通過(guò)一定策略選擇一個(gè)物品并獲得相應(yīng)獎(jiǎng)勵(lì), 問(wèn)題的目標(biāo)是最大化累計(jì)獎(jiǎng)勵(lì). 傳統(tǒng)的多臂老虎機(jī)算法未考慮用戶和物品特征, 且對(duì)不同用戶均采用相同的推薦策略. 為更好利用內(nèi)容(物品)和用戶信息使其適應(yīng)個(gè)人用戶, LinUCB算法[10]將新聞的個(gè)性化推薦建模為上下文多臂老虎機(jī)問(wèn)題, 并基于上下文信息計(jì)算預(yù)期獎(jiǎng)勵(lì)為用戶進(jìn)行推薦, 同時(shí)根據(jù)用戶反饋調(diào)整選擇策略. 但LinUCB算法假設(shè)上下文與獎(jiǎng)勵(lì)呈線性關(guān)系, 這種假設(shè)在現(xiàn)實(shí)世界中可能并不正確[11]. 為學(xué)習(xí)非線性獎(jiǎng)勵(lì)函數(shù), NeuralUCB算法[12]利用深度神經(jīng)網(wǎng)絡(luò)的強(qiáng)大表示能力學(xué)習(xí)潛在獎(jiǎng)勵(lì)函數(shù), 并采用UCB(upper confidence bound)算法選擇臂. 不同于NerualUCB算法, EE-Net[13]舍棄UCB算法, 采用了一種新的神經(jīng)探索策略, 利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與獎(jiǎng)勵(lì)估計(jì)相比的潛在增益.

基于上下文的多臂老虎機(jī)算法充分適應(yīng)了用戶的個(gè)性化需求, 但未考慮相似用戶在推薦中的重要性. 針對(duì)該問(wèn)題, 已出現(xiàn)一些融合協(xié)同過(guò)濾與上下文多臂老虎機(jī)算法的研究[14-16]. 文獻(xiàn)[14]基于目標(biāo)物品動(dòng)態(tài)地對(duì)用戶聚類(lèi), 在推薦時(shí)進(jìn)行集體決策, 并根據(jù)反饋調(diào)整用戶聚類(lèi), 但用戶聚類(lèi)在物品間是獨(dú)立的, 針對(duì)不同物品需分別計(jì)算, 在用戶和物品規(guī)模較大時(shí)無(wú)法保證實(shí)時(shí)推薦; 文獻(xiàn)[16]在LinUCB算法基礎(chǔ)上加入相似用戶的協(xié)同作用, 并利用當(dāng)前用戶與選定用戶的相似性控制協(xié)同強(qiáng)度, 但受限于LinUCB算法對(duì)線性獎(jiǎng)勵(lì)函數(shù)的假設(shè), 無(wú)法很好適應(yīng)非線性獎(jiǎng)勵(lì)的情況.

本文基于上述研究, 提出一種融合協(xié)同過(guò)濾的神經(jīng)Bandits推薦算法(collaborative exploration-exploitation net, COEENet), 該算法采用深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)潛在獎(jiǎng)勵(lì)函數(shù), 并采用探索神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與獎(jiǎng)勵(lì)估計(jì)相比的潛在增益, 同時(shí)引入?yún)f(xié)同作用, 利用用戶特征及歷史行為尋找與當(dāng)前用戶相似的鄰居用戶, 進(jìn)而對(duì)目標(biāo)物品進(jìn)行集體決策. 最后在實(shí)驗(yàn)中, 從食譜數(shù)據(jù)集中構(gòu)建用戶、 菜品特征, 采用COEENet為用戶選擇菜品進(jìn)行推薦, 并從累積遺憾角度與其他基線算法進(jìn)行對(duì)比, 驗(yàn)證了本文算法的有效性.

1 預(yù)備知識(shí)

1.1 基于用戶的協(xié)同過(guò)濾

假設(shè)推薦系統(tǒng)中存在用戶集合U和物品集合I, 用戶和物品分別表示為ui(i=1,2,…,n)和ij(j=1,2,…,m), scorei,j表示用戶i對(duì)物品j的評(píng)分情況.在每次推薦前, 對(duì)每個(gè)候選物品j, 采用余弦相似度計(jì)算當(dāng)前用戶與其他用戶的相似程度simi,j:

(1)

根據(jù)所有用戶u∈U對(duì)目標(biāo)物品的評(píng)分情況, 計(jì)算當(dāng)前用戶ui對(duì)目標(biāo)物品的喜愛(ài)程度:

(2)

其中rt,j表示獎(jiǎng)勵(lì).通過(guò)計(jì)算當(dāng)前用戶對(duì)物品集中每個(gè)物品的喜愛(ài)程度, 可對(duì)物品進(jìn)行降序排列, 選取評(píng)分最高的N個(gè)物品進(jìn)行推薦.

1.2 通用上下文多臂老虎機(jī)框架

在上下文多臂老虎機(jī)算法中, 若已知推薦總輪數(shù)T[10], 則在第t(t=1,2,…,T)輪推薦過(guò)程中進(jìn)行如下操作:

1) 算法觀察用戶特征ut并呈現(xiàn)給用戶一組可供選擇的臂At及它們的特征向量xt,a, 該特征向量結(jié)合了用戶特征和臂的特征, 這里稱為上下文;

2) 根據(jù)一定的選擇策略, 為用戶選擇臂at∈At, 并獲得真實(shí)世界中的實(shí)時(shí)反饋(獎(jiǎng)勵(lì))rt,at;

3) 算法使用新的觀測(cè)值(xt,a,at,rt,at)改進(jìn)選擇策略.

根據(jù)選擇策略的不同, 獎(jiǎng)勵(lì)估計(jì)函數(shù)也不同, 但可以概括為

pt,at=h(xt,at)+ηt,at,

(3)

其中:h(xt,at)表示第t輪中用戶ut選擇臂at的潛在獎(jiǎng)勵(lì), 該函數(shù)可能是線性的, 也可能是非線性的;ηt,at表示E(ηt,at)=0的噪聲參數(shù).T輪累積遺憾定義為

(4)

2 算法設(shè)計(jì)

算法1COEENet.

輸入: 用戶集合U={u1,u2,…,un}; 臂集合A={x1,x2,…,xm}; 推薦輪數(shù)T; 3個(gè)網(wǎng)絡(luò)的迭代次數(shù)T1,T2,T3; 鄰居用戶數(shù)M; 3個(gè)網(wǎng)絡(luò)的學(xué)習(xí)率η1,η2,η3;

步驟1) fort=1,2,…,Tdo

步驟2) for eachxt,iinAdo

步驟6) end for

步驟8) 選擇xt并觀察真實(shí)世界獎(jiǎng)勵(lì)rt

步驟10) end for

步驟12) for eachujinUdo

步驟14) end for

步驟15) Negi={ }

步驟16) 選擇Top-M用戶加入Negi

步驟18) return cscorei.

算法1包含4部分: 第一部分為利用網(wǎng)絡(luò), 用于估計(jì)預(yù)期獎(jiǎng)勵(lì); 第二部分為探索網(wǎng)絡(luò), 用于學(xué)習(xí)與獎(jiǎng)勵(lì)估計(jì)相比的潛在增益; 第三部分為協(xié)同過(guò)濾模塊, 用于計(jì)算相似用戶的協(xié)同作用; 第四部分為決策器, 用于將前三部分的輸出適當(dāng)結(jié)合, 從而進(jìn)行最終決策. 圖1為網(wǎng)絡(luò)整體結(jié)構(gòu), 表1對(duì)網(wǎng)絡(luò)結(jié)構(gòu)中各部分的輸入、 輸出進(jìn)行了具體說(shuō)明, 算法1中GradientDescent為梯度下降算法.

表1 COEENet網(wǎng)絡(luò)結(jié)構(gòu)信息

圖1 COEENet網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Structure of COEENet

2.1 利用網(wǎng)絡(luò)

2.2 探索網(wǎng)絡(luò)

(5)

設(shè)yt,i=|rt,i-f1(xt,i)|, 當(dāng)yt,i很大時(shí), 表示當(dāng)前臂的收益估計(jì)與實(shí)際收益相差較大, 算法更傾向于賦予該臂更大的獎(jiǎng)勵(lì)值, 使其有更大概率進(jìn)行探索; 當(dāng)yt,i很小時(shí), 表示當(dāng)前臂的收益估計(jì)已接近實(shí)際收益, 算法會(huì)盡量避免探索該臂.

2.3 協(xié)同過(guò)濾模塊

在推薦場(chǎng)景中, 為每個(gè)用戶u∈U, |U|=n構(gòu)建探索和利用網(wǎng)絡(luò), 并對(duì)利用網(wǎng)絡(luò)最后一次更新的參數(shù)梯度θf(wàn)1,ui(·;θ1,i)進(jìn)行保存.對(duì)于用戶ui, 在第t輪推薦中, 利用不同用戶在利用網(wǎng)絡(luò)上的參數(shù)梯度計(jì)算相似度.采用歐氏距離衡量相似度, 公式如下:

(6)

選取相似度最高的M個(gè)用戶加入鄰居用戶集Negi, 用戶uj對(duì)目標(biāo)物品xt的協(xié)同分?jǐn)?shù)cscorei,j定義為目標(biāo)物品在該用戶利用和探索網(wǎng)絡(luò)的輸出之和與該用戶和當(dāng)前用戶ui的相似度乘積, 用公式表示為

cscorei,j=simi,j×(f1,uj(xt;θ1,j)+f2,uj(θf(wàn)1,uj(·;θ1);θ2,j)).

(7)

當(dāng)前用戶ui的協(xié)同分?jǐn)?shù)定義為其所有鄰居用戶的協(xié)同分?jǐn)?shù)之和, 計(jì)算公式為

(8)

2.4 決策器

(9)

對(duì)于第t輪中提供的m個(gè)臂xt,i∈At,i∈[m], 選擇其中分?jǐn)?shù)最高的一個(gè)臂, 選擇策略表示為

(10)

可采用神經(jīng)網(wǎng)絡(luò)對(duì)f1,f2,cscorei進(jìn)行擬合, 同時(shí)基于不同推薦場(chǎng)景對(duì)探索利用的不同傾向性和對(duì)協(xié)同過(guò)濾強(qiáng)度的彈性控制而需要手動(dòng)設(shè)置f1,f2,cscorei權(quán)重的現(xiàn)實(shí)需求, 本文將分別考慮決策函數(shù)為線性和非線性的情況.

1) 線性決策函數(shù):f3定義為關(guān)于f1,f2,cscorei的線性函數(shù), 表示為

pt,i=αf1+βf2+γcscorei,

(11)

其中α,β,γ作為權(quán)重參數(shù), 由使用者自行設(shè)置.

3 實(shí) 驗(yàn)

本文在真實(shí)數(shù)據(jù)集上模擬推薦過(guò)程, 并與其他基線算法進(jìn)行比較, 以驗(yàn)證本文算法COEENet的有效性. 采用l輪內(nèi)的累積遺憾作為評(píng)價(jià)指標(biāo), 實(shí)驗(yàn)結(jié)果表明, 在食物推薦問(wèn)題中, 本文算法較其他算法性能有一定提升.

3.1 數(shù)據(jù)集

本文在食譜網(wǎng)站爬取3 526名用戶信息, 以及這些用戶在過(guò)去一段時(shí)間內(nèi)對(duì)菜品的評(píng)分情況共340 734條, 并收集了評(píng)分中所涉及的共9 766道菜品的信息. 用戶信息包含id、 性別、 年齡、 地址、 自定義喜好等信息, 菜品信息包含id、 名稱、 烹飪工藝(炒、 蒸、 煎、 炸等)、 難易程度、 口味等信息. 評(píng)分情況定義為(用戶id,菜品id,評(píng)分)的三元組形式, 其中評(píng)分包含極差、 差、 一般、 推薦、 非常推薦5個(gè)等級(jí).

由于菜品集中存在大量菜品僅有極少數(shù)用戶對(duì)其進(jìn)行評(píng)分, 而且用戶群體在這些菜品上的評(píng)分大概率無(wú)法覆蓋每個(gè)評(píng)價(jià)等級(jí), 從而影響數(shù)據(jù)平衡性. 因此, 本文首先對(duì)菜品熱度按照評(píng)分?jǐn)?shù)量進(jìn)行排序, 選擇前1 000道熱門(mén)菜品加入菜品數(shù)據(jù)集dish.dat, 同時(shí)將為這些菜品打分的2 871位用戶加入用戶數(shù)據(jù)集user.dat, 并收集這些用戶對(duì)菜品的打分信息加入評(píng)分?jǐn)?shù)據(jù)集rating.dat.

3.2 特征構(gòu)建

每個(gè)用戶由100多個(gè)分類(lèi)的原始特征向量表示, 其中包含: 1) 用戶基本信息, id、 性別(二類(lèi))、 年齡(離散為7個(gè)等級(jí)); 2) 地理特征, 主要分布于中國(guó)各地100多個(gè)城市及地區(qū); 3)用戶自定義喜好信息, 主要包括甜、 辣、 麻等14種分類(lèi). 菜品同理, 每個(gè)菜品都以相同方式構(gòu)建約1 000個(gè)分類(lèi)的原始特征向量表示, 其中包含: 1) 菜品基本信息, id、 烹飪工藝、 難易程度等; 2) 用戶評(píng)價(jià)標(biāo)簽, 由用戶歷史評(píng)價(jià)數(shù)據(jù)中抽取得到的約1 000個(gè)標(biāo)簽表示. 本文將用戶和菜品特征編碼為固定長(zhǎng)度的二進(jìn)制向量, 用戶和菜品的特征分別由156個(gè)和1 153個(gè)條目的特征向量表示.

本文方法為所有用戶單獨(dú)構(gòu)建模型進(jìn)行個(gè)性化推薦, 算法中的上下文信息只需對(duì)菜品信息進(jìn)行表征而無(wú)需包含用戶自身信息, 故用戶對(duì)菜品的評(píng)分信息定義為(用戶id, 菜品特征, 評(píng)分)的形式, 其中一條數(shù)據(jù)表示用戶與系統(tǒng)的一次交互. 由于大部分用戶的評(píng)分記錄數(shù)較少, 無(wú)法支持獨(dú)立訓(xùn)練模型, 因此本文對(duì)用戶采用K-Means方法[18-19]進(jìn)行聚類(lèi), 進(jìn)一步將用戶規(guī)?？s減至20大類(lèi), 以該類(lèi)別中所有用戶的特征均值作為該類(lèi)用戶特征.

3.3 離線模擬在線推薦

在線推薦模型將預(yù)期收益最高的前若干物品展示給用戶, 并基于用戶的實(shí)時(shí)反饋調(diào)整模型參數(shù), 使其在后續(xù)推薦中逐漸適應(yīng)用戶需求. 由于無(wú)法實(shí)時(shí)獲得用戶的反饋信息, 因此本文將在上述離線數(shù)據(jù)集上模擬在線推薦過(guò)程, 驗(yàn)證本文算法的推薦效果. 通過(guò)數(shù)據(jù)集中用戶對(duì)菜品的評(píng)分信息模擬用戶和菜品之間的交互情況, 在利用網(wǎng)絡(luò)和探索網(wǎng)絡(luò)中, 評(píng)分可作為用戶對(duì)相應(yīng)菜品的實(shí)時(shí)獎(jiǎng)勵(lì), 在決策器中, 設(shè)定評(píng)分不超過(guò)3時(shí)表示獎(jiǎng)勵(lì)為0, 否則獎(jiǎng)勵(lì)為1. 在每輪中, 隨機(jī)向用戶展示10道菜品, 其中包含9道評(píng)分不超過(guò)3的菜品以及1道評(píng)分大于等于3的菜品, 每道菜品對(duì)應(yīng)的上下文為當(dāng)前菜品的特征向量.

3.4 基線算法

為更好地評(píng)估本文算法在推薦問(wèn)題中的性能, 本文選擇4種算法作為基線算法, 分別是LinUCB,NeuralUCB,Neural-Epsilon和EE-Net.

1) LinUCB: 假設(shè)獎(jiǎng)勵(lì)函數(shù)為關(guān)于上下文的線性函數(shù), 并采用嶺回歸和置信上界算法共同確定所選臂.

2) NeuralUCB: 使用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)獎(jiǎng)勵(lì)函數(shù), 并采用置信上界算法選擇臂.

3) Neural-Epsilon: 使用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)獎(jiǎng)勵(lì)函數(shù), 以1-ε的概率選擇當(dāng)前與其獎(jiǎng)勵(lì)最大的臂, 并以ε的概率進(jìn)行探索.

4) EE-Net: 用一個(gè)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)獎(jiǎng)勵(lì)函數(shù), 用另一個(gè)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)潛在的獎(jiǎng)勵(lì)增益, 并結(jié)合兩個(gè)網(wǎng)絡(luò)的輸出共同決策.

3.5 評(píng)價(jià)指標(biāo)

本文采用T輪推薦內(nèi)的累積遺憾作為算法評(píng)價(jià)指標(biāo), 計(jì)算公式為

(12)

3.6 實(shí)驗(yàn)結(jié)果分析

利用網(wǎng)絡(luò)結(jié)構(gòu)定義為一個(gè)二層的神經(jīng)網(wǎng)絡(luò), 隱藏層節(jié)點(diǎn)數(shù)為100.探索網(wǎng)絡(luò)結(jié)構(gòu)為二層神經(jīng)網(wǎng)絡(luò), 其隱藏層節(jié)點(diǎn)數(shù)也為100.在協(xié)同過(guò)濾模塊中, 考慮當(dāng)前用戶的3個(gè)鄰居用戶的協(xié)同作用.線性決策器公式為

pt,i=f1+f2+r×cscorei,

其中利用網(wǎng)絡(luò)輸出f1和探索網(wǎng)絡(luò)輸出f2的權(quán)值均為1以模擬UCB策略, 并通過(guò)調(diào)節(jié)協(xié)同作用強(qiáng)度r調(diào)整鄰居用戶評(píng)分cscorei對(duì)最終推薦的影響. 非線性決策器定義為二層神經(jīng)網(wǎng)絡(luò), 隱藏層節(jié)點(diǎn)數(shù)為50.

圖2和圖3分別為決策器是線性和非線性情況下的累積遺憾比較結(jié)果. 由圖2和圖3可見(jiàn), 本文算法COEENet在recipe數(shù)據(jù)集上的性能優(yōu)于基線算法. 由于食譜數(shù)據(jù)集中上下文與獎(jiǎng)勵(lì)預(yù)期并不是簡(jiǎn)單的線性關(guān)系, 故LinUCB算法在該問(wèn)題中并不適用. NeuralUCB和Neural-Epsilon算法使用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)獎(jiǎng)勵(lì)預(yù)期, EE-Net算法采用一個(gè)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)獎(jiǎng)勵(lì)預(yù)期, 并采用另一個(gè)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)潛在增益, 三者都能較好適應(yīng)非線性獎(jiǎng)勵(lì)函數(shù)的情況. 本文算法在很好擬合非線性函數(shù)的同時(shí)考慮鄰居用戶的協(xié)同作用, 進(jìn)一步提升了推薦效果, 且對(duì)于線性決策器, 隨協(xié)同強(qiáng)度增加, 推薦效果有一定提升.

圖2 線性決策器在食譜數(shù)據(jù)集上的累積遺憾比較Fig.2 Cumulative regret comparison of linear decision-maker on recipe datasets

圖3 非線性決策器在食譜數(shù)據(jù)集上的累積遺憾比較Fig.3 Cumulative regret comparison of nonlinear decision-maker on recipe datasets

綜上所述, 本文針對(duì)推薦系統(tǒng)中用戶和物品頻繁變動(dòng)導(dǎo)致的數(shù)據(jù)稀疏和“冷啟動(dòng)”限制了傳統(tǒng)協(xié)同過(guò)濾的發(fā)展及現(xiàn)有考慮到協(xié)同作用的多臂老虎機(jī)算法并不適用于非線性獎(jiǎng)勵(lì)函數(shù)場(chǎng)景的問(wèn)題, 提出了一種融合協(xié)同過(guò)濾的神經(jīng)Bandits算法COEENet, 采用利用網(wǎng)絡(luò)學(xué)習(xí)關(guān)于用戶和物品特征的獎(jiǎng)勵(lì)函數(shù), 采用探索網(wǎng)絡(luò)學(xué)習(xí)與獎(jiǎng)勵(lì)估計(jì)相比的潛在增益, 同時(shí)加入鄰居用戶的協(xié)同作用, 并構(gòu)造決策器進(jìn)行最終決策. 針對(duì)數(shù)據(jù)稀疏性問(wèn)題, 不同于協(xié)同過(guò)濾, 本文算法并不簡(jiǎn)單依賴對(duì)相同物品的評(píng)分判定用戶間的相似性, 而是基于用戶對(duì)上下文中各特征的關(guān)注度進(jìn)行計(jì)算. 在針對(duì)新用戶的推薦問(wèn)題中, 本文根據(jù)用戶特征尋找鄰居用戶并進(jìn)行協(xié)同推薦, 同時(shí)多臂老虎機(jī)算法還可幫助用戶在盡量少的次數(shù)內(nèi)快速試探用戶喜好, 并根據(jù)用戶反饋挑戰(zhàn)模型參數(shù), 改善推薦效果. 最后, 通過(guò)平衡探索網(wǎng)絡(luò)和利用網(wǎng)絡(luò)的結(jié)果以及控制協(xié)同作用的強(qiáng)度, 可有效保證推薦中用戶自身的決定性作用以及推薦的多樣性. 在真實(shí)數(shù)據(jù)集上將本文算法與基線算法進(jìn)行比較, 實(shí)驗(yàn)結(jié)果表明, 本文算法在推薦問(wèn)題上有效.