Apr, 2021

使用门控循环单元和汤普森抽样的动态石板推荐

PDF
TL;DR通过建立一种基于变分贝叶斯递归神经网络的推荐系统，利用用户和网络交互的时间序列数据，自适应地为用户提供适宜的内容，同时引入一种层级先验以及组内成员关系考虑的项参数学习方法，结合多臂老虎机策略以及 slate Thompson Sampling 算法优化推荐效果，并在在线实验和来自挪威 FINN.no 平台的离线数据测试中验证了该方法的有效性。
发现论文，激发创造
  • FINN.no Slates 数据集：一个记录交互、所有已查看项目和点击响应 / 未点击的新的序列数据集，用于推荐系统研究

    介绍了一个包括推荐系统中展现给用户的物品 slate、用户是否点击事件及点击的物品的顺序等顺序交互数据的数据集，并利用该数据集证明了使用 slate 数据的概率模型能够更准确的评估用户的点击率并避免偏差。

    Nov, 2021

  • 基于强化学习的创作素材推荐

    通过使用变分自编码器学习连续、低维的隐空间，从而在连续的潜在空间中选择筛选项，最终被解码成对应的筛选板，从而提高推荐系统的效果和多样性。

    Jan, 2023

  • 生成式推荐的变异控制和评估

    本文提出采用多样性度量方法来增强精度评估，这样可以估计生成模型的随机行为。我们提出了一个有效的生成解决方案，它位于两个极端的尺肘区域之间，并演示了物品扰动可以强制执行以更好的覆盖物品变化，并将性能扩展到易于发现的区域。我们进一步提出将中心枢轴选择阶段与生成过程分开，以便于应用扰动，实验结果表明，这种简单的修改可以提供更好的方差与同等精度的后生成扰动方法相比。

    Feb, 2021

  • Seq2Slate: 使用循环神经网络重新排序和优化结果列表

    该篇研究论文介绍了一种基于序列的排名模型 seq2slate，可以结合物品之间的相互影响进行新物品的推荐，并利用易于获取的点击数据进行端到端模型训练，在标准排名基准测试和真实推荐系统中获得了实验结果的验证。

    Oct, 2018

  • 将奖励与排名信号结合的瓦片推荐

    本文提出了几种贝叶斯模型，使用奖励信号、排名信号或两者结合的方法进行非个性化的推荐。通过分析实验结果，证明全模型在产品数量增加或画板大小增加时，可以获得显著的性能提升。

    Jul, 2021

  • 基于石板的推荐系统的强化学习：可行的分解和实用方法论

    该研究提供了使用深度强化学习技术解决个性化推荐系统中长期用户参与度问题的方法，通过分解价值函数，考虑了物品组合效应，并实验证明了该方法的可行性和扩展性。

    May, 2019

  • 生成器和评论家：一种用于电子商务中 Slate 重新排名的深度强化学习方法

    本篇研究提出了一种基于生成器和评论家的石板重排方法，其中评论家评估石板，生成器通过强化学习方法对项目进行排名。通过 PPO-Exploration 探索算法进行生成器的排名，取得了比现有强化学习方法更好的效果，有效提高了石板的效率和多样性在世界上最大的电子商务网站的实验中。

    May, 2020

  • 使用顺序奖励交互的对比评估编号推荐

    该研究提出了一种图形假设的因果关系方法，以重新加权日志策略中的奖励，从而近似于目标策略下的奖励和，以解决串行互动推荐问题。在模拟和实际推荐系统中进行的广泛实验表明，该方法在偏差和数据效率方面优于现有方法。

    Jul, 2020

  • 基于非当前策略的推荐策略评估

    本文研究了基于上下文的推荐策略（例如排名）的评估方法，在组合赌博技术的基础上引入了一种新的实用估计量，该方法可以使用已记录的数据估计政策的绩效，经过全面的实证评估，我们的估计器在多种设置下都很准确，包括在学习排序任务中作为子程序，我们导出了我们的估计器无偏的条件，这些条件比之前的推荐评估启发式要弱，并在实验中比参数方法具有更小的偏差，即使这些条件被违反。最后，我们的理论和实验也表明，与一般的无偏估计相比，所需的数据量呈指数级节约。

    May, 2016

  • 快速高效的垒位策略优化：超越普拉基特–卢斯模型

    大规模机器学习系统的一个关键组成部分是返回选项列表；这篇论文在给定任意奖励函数的情况下，通过在决策函数上应用一种新的松弛技术，提出了一种简单而高效的学习算法来优化这些大规模决策系统，能够扩展到庞大的动作空间规模，相比常用的 Plackett-Luce 策略类，证明了该方法的有效性。

    Aug, 2023