Jan, 2024

CAREForMe: 基于上下文的多臂赌博推荐框架用于心理健康

PDF
TL;DR这篇论文介绍了 CAREForMe，一个用于心理健康的上下文多臂赌博（CMAB）推荐框架，通过上下文感知、个性化和模块化设计，利用移动传感和在线学习算法与用户聚类能力相结合，提供及时、个性化的推荐，既作为可定制的推荐框架引导未来研究，又作为协作平台促进跨学科在 mHealth 研究中的贡献。通过在不同平台（如 Discord、Telegram）上实施和对不同推荐功能进行定制，展示了 CAREForMe 的多功能性。
covid-19 pandemicmental health interventionsmhealth solutionscontext-awarenesspersonalization
发现论文，激发创造
  • 多臂赌博机与情境赌博机的实际应用调查

    该研究详细回顾了多臂赌博框架在各种应用领域上的最新前沿发展，例如推荐系统、信息检索、医疗保健和金融等，同时提供了未来该领域的重要趋势和新视角。

    Apr, 2019

  • 利用自适应赌博实验来提高和研究心理健康的参与度

    数字心理健康（DMH）干预，如基于短消息的课程和活动，为心理健康支持提供巨大潜力。利用自适应实验和算法（如 Thompson Sampling）进行连续改进和个性化设计，以提高用户体验奖励并为社会行为科学家收集足够的统计数据分析，但对于不同真实环境的影响仍需进一步探索。本文介绍了一个经过两年开发的软件系统，可在收集数据的同时，使用 Bandit 和其他算法来调整基于短消息的 DMH 干预组件，并与传统的均匀随机非自适应实验进行对比评估。通过在一个大型心理健康非盈利组织中招募 1100 名用户，并展示该系统在规模化部署方面的前景，证明该系统不仅适用于心理健康领域，也可作为其他领域自适应实验算法的模型试验平台。

    Oct, 2023

  • 多方面的情境输送智能体：神经网络视角

    本文研究了多方向赌博机的新问题，提出了一种使用神经网络和 UCB 算法的 MuFasa 算法，证明了其具有较优的拟下界回归分析效果，并在真实数据集上展示了它在电子商务等领域的优异性能。

    Jun, 2021

  • 基于贝叶斯方法的在线学习对于上下文不安定赌博算法的应用于公共卫生

    基于贝叶斯学习和汤普森抽样的上下文多臂赌博机在线强化学习方法可以高效建模复杂的上下文相关和非固定的公共卫生干预项目中的资源分配，具有较高的性能表现。

    Feb, 2024

  • 客户支持机器人中的上下文强化学习应用

    本文讨论了使用上下文赌博机（CB）的微软虚拟代理的实现情况，包括基于神经 - 线性赌博机（NLB）的意图消岐和基于一组多臂赌博机（MAB）的上下文推荐。我们的解决方案已经落地生产并通过 A/B 测试证实了业务指标的改进，包括问题解决率相对增加了 12％以上，转移到人工操作员的相对减少了 4％以上。

    Dec, 2021

  • 部署不安静多臂赌博机的现场研究：帮助非营利组织改善母婴健康

    本文介绍了一种利用 Restless Multi-Armed Bandits (RMABs) 系统辅助非营利组织提供预防保健信息的方法，其中 RMABs 群组最终降低了约 30％的参与度下降。

    Sep, 2021

  • 因果抽象多臂赌博机

    将传输学习应用于因果抽象多臂赌博机，研究算法学习和后悔度，以解决在线广告相关的现实场景。

    Apr, 2024

  • 元学习下的神经协作过滤赌博机

    通过构建神经协同过滤自适应组 Metaban 算法，本文将人工智能中的探究与利用困境（exploitation-exploration dilemma）应用于定制化推荐，并在实验中将 Metaban 与六种模型进行对比，结果表明 Metaban 显著优于其他模型的表现。

    Jan, 2022

  • 智能教学系统的多臂赌博机

    本文介绍了一种智能辅导系统的方法，该系统根据学生特定的时间和动机资源，自适应地个性化地最大化学习活动序列，以提高学生的技能，利用了内在动机学习的最新模型，并运用多臂老虎机技术进行优化，同时基于专家知识来加速探索初始启动

    Oct, 2013

  • 增强上下文的观测多臂赌博机在不确定语义数据下的机器人探索

    对于不确定性下的机器人决策，必须谨慎考虑可利用选项的开发和探索之间的平衡。本研究介绍了一种新的上下文多臂赌博机变体，称为观察增强型 CMABs（OA-CMABs），其中决策代理可以利用来自外部信息源的额外结果观察。我们提出了一种基于概率数据验证概念的 OA-CMABs 鲁棒贝叶斯推理过程，用于处理 OA-CMABs 中的复杂混合模型参数先验和语义数据源的混合观察可能性，以及推理中的错误观察和非高斯推理。通过在空间探索的模拟异步搜索站点选择问题上演示，结果表明即使外部信息源提供不正确的观察，也可以在广泛的实验条件下实现高效的决策和鲁棒的参数推理。

    Dec, 2023