Jan, 2024

UOEP: 用户导向的探索策略，增强推荐系统中的长期用户体验

PDF
TL;DR为了提升推荐系统用户的长期体验，本研究提出了一种新方法 —— 用户导向的探索策略（UOEP），通过在用户群体中进行细粒度探索来优化用户的兴趣，实验证明该方法在长期性能方面的优越性以及对低活跃用户和用户之间公平性的改善。
reinforcement learninguser-oriented exploration policyfine-grained explorationuser groupslong-term performance
发现论文，激发创造
  • PPO-UE: 接近策略优化通过不确定性感知探索

    该研究提出了一种名为 PPO-UE 的策略，它基于比率不确定性水平，优化探索过程，从而在 Roboschool 连续控制任务中显著优于基线 PPO。

    Dec, 2022

  • 强化学习优化推荐系统中的长期用户参与度

    本论文介绍了一个基于强化学习的 FeedRec 框架来优化长期用户参与度，该框架包括 Hierarchical LSTM 的 Q-Network 和用于模拟环境、辅助 Q-Network 并避免策略学习收敛不稳定的 S-Network，实验结果表明 FeedRec 能够有效地优化长期用户参与度，并且优于现有的技术水平。

    Feb, 2019

  • PrefRec: 基于用户偏好的推荐系统用于增强长期用户参与

    本文提出了一种名为 PrefRec 的新模型，它基于用户历史行为的喜好训练基于强化学习的推荐器，可有效地优化长期用户参与度，在大量的实验中，PrefRec 在所有任务中显着优于之前的最先进方法。

    Dec, 2022

  • 大规模推荐系统的个性化兴趣探索

    该研究提出了一种适用于大规模推荐系统的探索框架，通过探索用户利益与行为，缓解推荐流程中普遍存在的 “热门内容” 问题，提高探索视频推荐中的优化率。

    Apr, 2023

  • 永不放弃：学习有向探索策略

    本篇论文提出了一种基于强化学习和 UVFA 框架的方法，通过学习一系列定向的探索策略来解决难以探索的游戏，并使用轨迹存储和 kNN 算法来构造一种内在奖励信号，以影响策略的学习方式，并在 Atari-57 游戏套件中得到了很好的表现结果。

    Feb, 2020

  • 通过基于策略的强化学习优化基于拍卖的推荐系统的长期价值

    本研究利用强化学习中的时差学习算法优化基于竞拍的推荐系统，实现一步政策改进方法并优先考虑长期用户参与度指标。在处理数十亿次曝光和用户日活跃用户的基于拍卖的推荐系统的在线 A / B 测试中，我们经验性地证明了我们的方法在长期用户参与度指标方面优于当前生产系统。

    May, 2023

  • 神经互动协同过滤

    本文研究基于交互反馈的协同过滤推荐系统，提出了一种使用神经网络进行探索策略的方法，并使用强化学习最大化用户的满意度来平衡学习用户偏好和进行精准推荐的探索策略，在三个标准数据集上的实验证明了该方法的优越性。

    Jul, 2020

  • 稳健风险感知强化学习

    利用强化学习方法和基于排名的预期效用来优化金融问题中的风险和回报，通过开发明确的策略梯度公式，分析了鲁棒的投资组合配置，基准优化和统计套利等问题。

    Aug, 2021

  • 面向使用人类反馈进行离线策略排序的强化学习

    本文提出了一种新的离线值排名 (VR) 算法，可以在统一的期望最大化 (EM) 框架中同时最大化用户的长期回报和优化排名度量，以提高样本效率。理论和实证研究表明，EM 过程指导了学习策略，从而在没有任何在线交互的情况下享受未来回报和排名度量的优势。广泛的离线和在线实验证明了我们方法的有效性。

    Jan, 2024

  • 通过知识危险寻优策略优化实现高效探索

    提出了一种基于期望风险的探索算法，通过训练神经网络和优化策略使智能体具有探索未知状态的能力，在深度强化学习中表现出良好的性能。

    Feb, 2023