情境聚类对情境感知推荐系统情境 bandit 算法的影响
信息检索
2014-04-01 v2
摘要
现有大多数情境感知推荐系统 (Context-Aware Recommender Systems, CRS) 方法侧重于结合时间、地点或社交方面等情境信息向用户推荐相关物品。然而，其中很少有方法考虑到用户内容动态性的问题。本文提出了一种算法，通过将 CRS 建模为情境 bandit 算法 (contextual bandit algorithm) 并引入情境聚类算法 (situation clustering algorithm) 来提高 CRS 的精度，从而解决用户内容动态性问题。在一个专门设计的离线模拟框架内，我们利用真实的在线事件日志数据进行了评估。实验结果和详细分析揭示了情境感知推荐系统中的几个重要发现。
引用
@article{arxiv.1304.3845,
title = {The Impact of Situation Clustering in Contextual-Bandit Algorithm for Context-Aware Recommender Systems},
author = {Djallel Bouneffouf},
journal= {arXiv preprint arXiv:1304.3845},
year = {2014}
}