本论文主要研究了利用价格和利润数据，增强推荐算法的商业效益，其中重点探讨了价格感知和利润感知的推荐系统，并通过数值模拟说明了这种方法的商业潜力。

Jul, 2017

本文研究了调整利润意识对推荐系统的影响，提出了基于得分推荐系统的预测排名调整的方法，并在时尚领域的两个行业数据集上探讨了利润和客户价格偏好对系统的影响。实验表明，该方法能提高推荐系统的准确性和盈利能力，实现电子商务平台和客户的双赢局面。

Mar, 2022

电子商务广告效果主要取决于商家对目标用户进行竞标和赢得展示的能力。本文考虑在用户时间线级别上解决这一问题，通过操纵完整策略而不是竞标值来将策略最优地分配给用户，引入 SuccessProbaMax 算法来优化成功概率，实验证明该算法在成功率方面优于传统预期值最大化算法。

Dec, 2023

该研究提出了一种新的算法框架 CR-Pursuit，用于解决在线优化中的库存约束问题，并证明了在确定性算法中其取得最小的竞争比率。

Jan, 2019

本研究研究了如何将商品盈利纳入推荐系统，以最大化销售利润，同时提供准确的推荐建议，方法是将传统推荐算法的结果根据商品盈利性进行调整，并通过设置参数控制建议和传统算法结果的差距程度。研究结果表明该方法比传统模型提高了约 22% 的利润。

Aug, 2009

该论文通过建立推荐系统与企业盈利的新型连接，针对如何制定动态推荐策略，从而实现最大化收益的问题，提出了一种考虑价格、评估、饱和效应和产品之间竞争等多种因素的新模型，并利用基于 matroid 理论的精确连接以及智能启发式算法，对该模型进行了求解和验证。

Aug, 2014

通过融合在线广告和微观经济基本概念到个性化推荐领域，我们提出了基于强化学习的价值感知推荐算法，该算法通过直接优化候选项的经济价值生成推荐列表，映射每种用户操作的货币化经济价值并以此作为排序列表的激励值，在线商业系统与离线基准测试中得到验证，证明了我们框架性能的提高，无论是传统的 top-$k$ 排名任务还是系统的经济利润。

Feb, 2019

本文针对在线旅游平台的营销问题，提出了一种基于背包问题优化的新型提升建模技术，采用回溯估计模型、在线动态校准等方法，成功地在满足金融限制的同时提高了目标结果，并超越了其他方法。

Aug, 2020

针对多个独立货物销售收入最大化问题，独立销售机制能够保证至少优化收入的 50％，最优捆绑销售能够保证至少优化收入的 c/log k 分数。

Apr, 2012

该研究针对具有不同需求曲线的顺序盈利最大化问题，考虑价格和市场支出等附属变量的优化，提出了接近最佳的算法，并给出了不同类型需求曲线的后悔上限。

Mar, 2024