高海宾

（淮南联合大学计算机系，安徽淮南232001）

利用Bandit算法解决推荐系统E&E问题

高海宾

（淮南联合大学计算机系，安徽淮南232001）

当前推荐系统开发应用过程中普遍存在着E&E问题，笔者指出了推荐系统中E&E问题的产生和分类，提出用Bandit算法解决这一问题的思路，重点探讨Bandit算法的数学模型和用UCB策略建立的Bandit算法模型，用MATLAB编写了核心仿真程序，并指出了这种算法模型存在的优点和不足.

Bandit算法；推荐系统；E&E问题

在当前在大数据时代，信息爆炸式的增长给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但网上信息量的大幅增长，使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而降低了，这就是所谓的信息超载（Information Overload）问题［1］.针对信息超载解决的办法之一是搜索引擎，具有代表性信息检索系统有谷歌和百度等，它们在帮助用户获取网络信息方面发挥着极其重要作用［2］.但使用搜索引擎的用户在使用同一个关键字搜索信息的时候，得到的结果是相同的.一方面信息及其传播是多样化的，另一方面用户对信息的需求是多元化和个性化的，通过以搜索引擎为代表的信息检索系统获得的单一结果无法满足用户的个性化需求，无法很好的解决信息超载的问题.为了解决这个难题，推荐系统技术的相关研究就应运而生了.与搜索引擎相比,推荐系统通过研究用户的兴趣偏好，进行个性化计……