BanditMF：基于多臂老虎机的矩阵分解推荐系统

多臂老虎机（MAB）提供了一种原则性的在线学习方法，以实现探索与利用之间的平衡。由于其在多种情形下无需学习如何行动即可实现优异性能与低反馈学习，多臂老虎机在推荐系统等应用中引起广泛关注。同样，在推荐系统中，协同过滤（CF）可以说是最早且最具影响力的推荐系统方法。关键的是，新用户与不断变化的推荐物品池是推荐系统需要应对的挑战。对于协同过滤，经典方法是离线训练模型再进行在线测试，但这种方式已无法处理用户偏好的动态变化，即所谓的冷启动。那么如何在缺乏有效信息的情况下有效地向用户推荐物品？为解决上述问题，提出了一种基于多臂老虎机的协同过滤推荐系统，名为 BanditMF。BanditMF 旨在解决多臂老虎机算法与协同过滤中的两个挑战：（1）如何在有效信息稀缺条件下解决协同过滤的冷启动问题，（2）如何解决因独立估计与每个用户相关的未知参数并忽略用户间相关性，而导致老虎机算法在强社会关系领域中的次优问题。