基于用户聚类探索的对话在线推荐系统
知识产权简介
本发明提供了一种基于用户聚类探索的对话在线推荐方法。 由于添加用户交互、帮助推荐系统理解用户偏好这一优势,对话推荐系统被越来越多厂商利用。基于用户聚类的在线学习算法,相较于传统算法取得了更好的效果。然而,在用户聚类中,当前已有聚类方法为固定聚类方式,没有对用户聚类进行探索,本发明在用户聚类阶段使用汤姆森采样算法进行探索,获取更优用户聚类结构,提高算法性能及推荐效果。 与现有技术相比,本发明具有如下的收益效果: 1、在聚类过程中使用汤姆森采样引入不确定性,在前期对用户聚类进行探索。相对于之前固定的用户聚类的方法,能够更快速地学习出用户聚类结构,从而提高系统推荐效果。 2、使用汤姆森采样方法对用户聚类进行探索,避免了置信上界算法中出现的过保守估计,使得算法能够获得更高的使用效果。