MOOB:一种改进的基于Bandit模型的推荐算法

• 作者: 孙翀 孙荣苑 帖军 郑禄
• 来源期刊: 中南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: Bandit模型 马太效应 长尾现象 多目标优化 覆盖率
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 114-119
• 页数: 6页
• 分类号: TP391.3
• 字数: 5028字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4321.2018.01.023

摘要

提出了一种基于置信区间上界算法的多目标优化推荐算法.该算法可以在保证预测精准度的基础上有效地避免马太效应,并提高推荐系统对长尾物品的挖掘能力.采用YaHoo的新闻推荐数据集对算法进行了实验和评价,实验结果表明:多目标优化推荐算法能够在预测准确率较高的情况下,有效地解决长尾物品发掘问题,避免马太效应,提高推荐系统的精度和广度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	帖军	中南民族大学计算机科学学院	54	202	7.0	12.0
2	孙翀	中南民族大学计算机科学学院	8	11	2.0	3.0
3	郑禄	中南民族大学计算机科学学院	15	24	3.0	4.0
4	孙荣苑	中南民族大学计算机科学学院	1	2	1.0	1.0