第 173 题：协同过滤的Bandit，用户-物品矩阵的在线更新？
题目
协同过滤的Bandit，用户-物品矩阵的在线更新？
完整讲解
一、协同过滤与 Bandit 的结合
协同过滤（CF）：用用户—物品交互矩阵（显式/隐式）做矩阵分解或近邻，得到用户/物品向量，预测未观测评分或点击。Bandit：在推荐时加入探索，用反馈实时更新策略。协同过滤 + Bandit：用 CF 提供先验或初始排序，用 Bandit（如 UCB、TS）在线上去更新用户—物品偏好或不确定性，实现「利用 CF 结构 + 在线探索」。
二、用户—物品矩阵的在线更新
- 挑战：传统 CF 多为离线训练、批量更新；在线场景需要增量更新用户/物品向量或置信区间，以反映最新点击/跳过。
- 做法：（1）增量矩阵分解：新反馈到达后对相关用户/物品向量做梯度更新或 mini-batch 更新。（2）Bandit 层：在 CF 分数上加 UCB/TS 探索项，用实时反馈更新该探索项或局部参数。（3）混合：CF 作为特征或初排，Bandit 控制精排/探索；或用 LinUCB/LinTS 把用户/物品 embedding 当上下文，在线更新 $\boldsymbol{\theta}$。
- 工程：流式更新 embedding、增量 SVD/BPR、缓存与异步更新，保证延迟与一致性。
三、效果与权衡
- 在线更新使推荐更快适应用户当前兴趣与物品热度；需控制更新频率与稳定性，避免抖动与过拟合噪声。
面试要点
- 能说清 CF 与 Bandit 结合的目的：利用 CF 结构、在线探索与实时反馈。
- 能描述用户—物品矩阵（或向量）的在线更新方式：增量分解、Bandit 探索项、LinUCB/LinTS 以 embedding 为上下文。
- 能列举工程要点：流式/增量更新、缓存、延迟与一致性。
记忆要点
- CF+Bandit：CF 提供先验/排序，Bandit 在线探索与更新；矩阵/向量需增量更新。
- 实现：增量分解、UCB/TS 探索项、LinUCB/LinTS；流式更新与缓存保证在线效率。