Mar, 2017

点击反馈的伯努利一级臂老虎机

PDF
TL;DR该研究提出了基于位置的模型来解释用户点击搜索结果的概率，并提出了 Bernoulli rank-1 bandit 和 Rank1ElimKL 算法来解决排名问题。该算法在不同条件下的实验表现证实其较简单的对手策略更加优秀。
search resultsposition based modelbernoulli rank-1 banditrank1elimklkullback-leibler divergences
发现论文，激发创造
  • 随机 Rank-1 赌博机

    本文基于 stochastic rank-1 bandits 提出了 computationally-efficient 算法 Rank1Elim，该算法可解决在线学习问题，在 rank-1 矩阵中找到最大的条目，且在 K + L，1 / Δ 和 log n 方面的遗憾是线性的。

    Aug, 2016

  • 基于位置模型的多臂赌博反馈排序学习

    本文介绍了一种基于多臂老虎机算法和位置点击模型的方法，用于解决线上系统中推荐排名的偏见问题，并在合成和实际数据集的离线和在线 A/B 测试中证明了该算法的有效性。

    Apr, 2020

  • 级联模型中的排序学习

    本文介绍了一种名为级联赌博的学习算法，用于在搜索引擎结果中识别出最有吸引力的 $K$ 个页面。研究将问题表述为随机组合式部分监控问题，并提出了两种算法，CascadeUCB1 和 CascadeKL-UCB，在实验中表现良好。

    Feb, 2015

  • 随机低秩赌博机

    本文提出了一种名为 LowRankElim 的算法，该算法能够在一定时间复杂度下对一个非负矩阵寻找其的最大值，并且在文献中该类结果首次出现。

    Dec, 2017

  • 基于位置的点击模型的强盗学习排序：个性化和均等待遇

    提出了第一个通用 MAB 框架来捕捉在线学习排序（ONL2R）和基于位置点击模型的所有关键要素，并开发了基于贪婪和 UCB 算法的统一策略（GreedyRank 和 UCBRank），分别适用于个性化和相等的排序处理，证明了这两个算法在不同问题设置下的高效性。

    Nov, 2023

  • 用户有限注意力的利用：失配、学习和排序

    使用用户的有限注意力解决推荐系统中的长期回报偏差问题，通过在线贪心算法和多项式时间算法降低后悔度和寻优问题。

    Feb, 2024

  • 低秩广义线性赌博机问题

    提出了一种基于在线到置信区间映射和基于低秩矩阵覆盖的指数加权平均预测器相结合的算法，解决了低秩线性赌博机问题，具体算法延伸自探索子空间再精炼算法，可以使得拥有低秩矩阵 Theta 的线性赌博机达到更好的期望累积损失表现并得到了实验的验证。

    Jun, 2020

  • 引发 Kemeny 排名

    通过对代理人的偏好进行赋值，我们将找到 Kemeny 排名作为对抗式武装强盗问题。我们考虑了采样和不采样的情况，并提供了概率近似正确（PAC）解决方案的算法，同时详细说明了其采样复杂度。如果所有代理人的偏好都是对备选项的严格排名，我们提供了剪枝置信区间的方法，以便更有效地赋值，并提出了几种自适应采样方法进行比较。

    Dec, 2023

  • DCM Bandits：多次点击学习排序

    提出了一种 DCM Bandits 算法，用于利用线上学习来最大化推荐令人满意的网页，该算法是一种可行的、无遗憾的在线算法，用于学习在类似于级联点击模型中多次点击的排序问题。

    Feb, 2016

  • 基于随机点击模型的在线学习排序算法

    提出了一个新的在线学习排序算法 - BatchRank，适用于广泛的点击模型，包括级联和基于位置的模型，并在 Web 搜索查询的一系列测试中性能优越。

    Mar, 2017