内容概要：本文介绍了2025年第二十二届五一数学建模竞赛的C题，主题为社交媒体平台用户分析问题。文章详细描述了用户与博主之间的互动行为，如观看、点赞、评论和关注，并提供了两份附件的数据，涵盖2024年7月11日至7月22日的用户行为记录。竞赛要求参赛者基于这些数据建立数学模型，解决四个具体问题：1）预测2024年7月21日各博主新增关注数，并列出新增关注数最多的前五名博主；2）预测2024年7月22日用户的新增关注行为；3）预测指定用户在2024年7月21日是否在线及其可能与博主产生的互动关系；4）预测指定用户在2024年7月23日的在线情况及其在不同时间段内的互动数，并推荐互动数最高的三位博主。通过这些问题的解决，旨在优化平台的内容推荐机制，提升用户体验和博主影响力。 适合人群：对数学建模感兴趣的学生、研究人员以及从事数据分析和社交媒体平台优化的专业人士。 使用场景及目标：①通过历史数据建立数学模型，预测用户行为，优化内容推荐；②帮助平台更好地理解用户与博主之间的互动关系，提升平台的运营效率和用户体验。 阅读建议：本文涉及大量数据分析和建模任务，建议读者具备一定的数学建模基础和数据分析能力。在阅读过程中，应重点关注如何利用提供的数据建立有效的预测模型，并结合实际应用场景进行思考和实践。

比赛天池_新闻推荐 天池大赛-新闻推荐场景下的用户行为预测挑战赛，SOLO赛，B榜排名5/5338 解决方案 召回方案 使用热度召回，改进itemCF，分配Swing和item2vec进行多路召回，结合faiss库计算相似文章尝试解决冷启动问题，采用贝叶斯优化选择最优超参数，最终每个用户召回50篇文章。 排序方案 建立用户行为和文章自身特征，根据召回结果按照1：5划分正负样本转化为CTR预测问题，采用lightGBM进行5折交叉验证，根据转化概率得到文章的结果，最终HR @ 5达到0.27，HR @ 50达到0.49。

在本文中，我们提出了一种基于贪婪算法的深度学习决策支持策略。 人工智能的决策支持是现代计算机科学中最具挑战性的趋势。 当前存在各种策略，并且为了满足诸如Microsoft，Google，Amazon等面向用户的平台的实际需求，这些策略正在不断改进。