版权声明：本文为博主-姜兴琪原创文章，未经博主允许不得转载。 https://blog.csdn.net/jxq0816/article/details/84109893
Bandit算法起源于赌博学，是一个多臂赌博机算法
原始问题：一个赌徒摇老虎机，走进赌场一看，一排老虎机外表一模一样，但每个老虎机吐钱的概率不一样，它不知道老虎机吐钱概率分布，那么如何最大化收益？
类比到推荐系统，Topic对应老虎机，新用户对应赌徒。
每个Topic都维护两个基于beta分布的参数:WIN和LOSS, 针对一个新用户，使用Thompson采样为每一个类别采样一个随机数，排序后，输出采样值top N 的推荐item。
获取用户的反馈（点击），没有反馈则更新对应类别的lose值，点击了则更新对应类别的wins值。
我们可以通过几次试验，来刻画出新用户心目中对每个Topic的感兴趣概率。
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Topic