基于标签的强化学习推荐算法研究与应用

• 作者: 刘琰琼 张文生 李益群 杨柳
• 来源期刊: 计算机应用研究
• 关键词: 强化学习 推荐 标签 协同过滤
• 年，卷（期）: 2010,（8）
• 页码范围: 2845-2847,2852
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2010.08.008

摘要

针对协同过滤推荐算法性能稳定性往往受到数据稀疏性影响的问题,在强化学习的框架下提出一种基于标签的协同过滤推荐算法,利用标签模拟用户兴趣来构造非稀疏的个性化数据,并将模拟数据与历史用户访问数据相结合进行协同过滤推荐.实验结果表明,引入基于标签的个性化数据可以有效提升协同过滤算法的性能,且对两种数据的有效结合可以获得最好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨柳	中国科学院自动化研究所	52	911	14.0	29.0
2	张文生	中国科学院自动化研究所	98	1246	18.0	33.0
3	李益群	中国科学院自动化研究所	2	10	1.0	2.0
4	刘琰琼	中国科学院自动化研究所	2	10	1.0	2.0