商品推荐方案讨论、E&&E算法以及deep learning如何作用于推荐系统中的排序

• 经常用于冷启动的bandit算法
  

• 推荐系统和计算广告中经常会碰到某些长尾广告或长尾item从来没有机会或者很少机会的展示，
  导致CTR预估非常不准，需要探索性地创造机会给它们一定的展示量，但又不能带来太大的损失。
  这种问题一般称作Explore and Exploit问题。
  在学术界经常把它描述成为一个多臂赌博机问题(multi-armed bandit problem, MAB)，若干台赌博机，
  每次可以选择一台机器摇一下，有一定概率会吐钱出来，但各台机器吐钱概率不一致且未知，
  那么赌徒每次该如何选择来最大化收益？
  每个赌博机相当于一个item，吐钱：item的质量（简单的看作点击率）赌徒：推荐算法，这样就把我们的推荐系统映射到bandit算法了

• 探索和利用（Explore and Exploit）：概念介绍
  exploit－explore问题，
  exploit意思就是：对用户来说，是比较确定的用户兴趣，对item来说，系统知道这个item的质量(丰富行为产生的历史ctr)
  explore意思就是：不断探索用户新的兴趣才行，不然很快就会出现一模一样的反复推荐。对item来说，
  针对新出现的item，要给一定的概率进行推荐试错。
  

• 用bandit算法解决冷启动的思路
  用圈定的推荐候选item表示每个用户不同兴趣，也就是MAB问题中的臂（Arm），通过几次试验，
  来刻画出新用户心目中对每个item的感兴趣概率。
  如果用户对某个item感兴趣（提供了显式反馈或隐式反馈），就表示得到了收益，ctr
  如果推给了它不感兴趣的item，推荐系统就表示无收益。无点击
  如此经历“选择-观察-更新-选择”的循环，理论上是越来越逼近用户真正感兴趣的item。
  这里介绍一下UCB算法，UCB算法全称是Upper Confidence Bound(置信区间上界)：
  $$x_{}$$