ICMLJun, 2021

通过随机可达性量化推荐系统中的可用性和发现性

PDF
TL;DR本文探讨了交互式推荐系统中偏好模型如何影响内容可用性和用户的发现机会，并以基于随机可达性的评估过程为基础提出了一种量化推荐目标内容到达用户的概率上限的方法。该指标能够有效检测内容可用性的偏见，诊断用户发现机会的限制，展示出选择规则和用户干预对推荐过程的影响以及这些影响的分布是否均匀。
interactive recommendation systemspreference modelsstochastic reachabilitycontent availabilityuser opportunities for discovery
发现论文，激发创造
  • 推荐与用户代理：合作过滤信息的可达性

    本研究从用户可控性的角度，通过可达性理论，提出了一种用于检测顶部线性推荐模型的计算有效的审核方法，并描述了模型复杂度与用户控制推荐工作的关系，同时探讨了使用领先的电影评级数据集训练的现有模型的实证调查。

    Dec, 2019

  • 强化学习在随机有向图中的可达性分析

    使用强化学习方法，我们通过特征化随机定向图中的可达性概率，展示了随机定向图中的转移概率动态可以被建模成一个差分包含，进而被理解为一个 Markov 决策过程。通过这个框架，我们提出了一种确定奖励功能的方法，以提供随机定向图中一组节点的可达性概率上下限。该方法的有效性通过应用于由移动代理的接近模式生成的时间变化的接触网络的流行病疾病扩散得到证明。

    Feb, 2022

  • 目标管的随机可达性：理论和计算

    本文利用概率规定的安全性和性能提出了一种针对随机扰动下的约束动态系统的一种优化算法，在考虑时间变化状态约束的情况下，最大化状态始终保持在限定区域内的概率，我们提供充分的条件使随机可达集是闭合、紧凑和凸形的，并提供一种随机传递集估计技术。

    Oct, 2018

  • 基于数据驱动的带有符合推理的随机动态系统可达性分析

    使用符合推断进行基于数据驱动的离散时间随机动态系统的可达性分析，将数据集转化为代理预测模型，通过符合推断量化预测模型的误差，从而提供概率可达性保证。该方法适用于复杂闭环动态难以使用符号模型建模的学习增强控制系统。

    Sep, 2023

  • ProbReach：用于随机混合系统概率 Delta 可达性验证

    ProbReach 是一种用于验证随机混合系统中概率可达性的工具。它采用了 delta - 可达性的弱化概念，并实现了一个适用于混合系统的概率版本，在多个基准测试中表现出令人满意的结果，并且有并行实现的概率。

    Oct, 2014

  • 两阶段推荐系统公平性的不确定性量化

    本文研究如何在两阶段的推荐系统中保证物品的群体公平性，并提出了两种阈值策略选择规则，从可能存在的部分偏倚的用户反馈数据中推导出置信下限，以近似达到最优阈值的同时，充分考虑了物品在每个组中的期望相关性，实现了充分选取每个组的相关物品并最小化候选集大小。

    May, 2022

  • 贝叶斯神经网络的概率式到达 - 避免

    本研究主要探讨基于模型的强化学习中的安全性和鲁棒性问题，包括使用贝叶斯神经网络描述动态模型来计算迭代预测的到达 - 避免概率，以及使用控制综合算法综合出最佳控制策略以满足安全性约束和学习到的动态模型。

    Oct, 2023

  • 无折扣 POMDP 中带有可达性目标的声音启发搜索值迭代

    该研究论文探讨了部分可观测马尔可夫决策过程（POMDPs）中的最大可达性概率问题（MRPP），研究了一种基于点估计方法和基于试探性启发式搜索的新算法，解决了处理无限时域问题中循环的问题，并在实验评估中表现出优越性。

    Jun, 2024

  • 基于随机奖励稳定化的模型无关强化学习在推荐系统中的应用

    基于无模型的强化学习推荐系统，通过引入两种随机奖励稳定化框架以替换直接的随机反馈，成功应对了用户在不同时间对同一项的随机反馈问题。

    Aug, 2023

  • BBReach: 深度强化学习系统的紧凑且可扩展的黑盒到达性分析

    本文提出了一种针对 DRL 系统的紧密可扩展的可达性分析方法，使用抽象状态处理内嵌的神经网络以避免神经网络的过估计，并设计了一种名为 BBReach 的工具来评估其紧密性、可扩展性和效率。

    Nov, 2022