Aug, 2024

Nah 布莱德：建模推荐系统中的用户不合规行为

HTML
PDF
TL;DR本研究聚焦于物理世界推荐系统中的用户不合规现象，提出了 Nah Bandit 模型以应对用户拒绝推荐的挑战。通过引入 Expert with Clustering (EWC) 算法，该方法有效利用用户反馈，显著提升推荐准确性并加速偏好学习。研究结果表明，EWC 在短期内的理论表现优于传统方法，为未来推荐系统研究奠定了基础。
发现论文，激发创造
  • 加速上下文强化学习的分层探索

    本文提出了一种粗到细的分层方法，通过编码先验知识显著减少了探索用户反馈所需的工作量，其效果得到了广泛模拟和用户研究的证明，适用于个性化新闻推荐。

    Jun, 2012

  • 一类POMDP 的在线学习: 针对有反应的用户的最佳推荐

    本文提出了一种自动在线推荐系统的模型，其中用户的喜好是时变的并且可以依赖于过去的推荐历史和玩出历史，通过使用基于Thompson采样的在线强化学习算法，该模型可以学习优化推荐效果，并具有可证明的性能保证。

    Mar, 2016

  • 推荐系统与人的交互

    该研究旨在了解推荐算法对未来用户数据的影响，通过提出一个简单模型，表明忽略这个反馈循环将导致非一致性评估器，因此验证了我们的结论。

    Mar, 2017

  • 对话式上下文强化学习算法及其应用

    将上下文策略（Contextual bandit）算法推广到对话情境的策略推荐 (Conversational contextual bandit)，通过针对关键术语（key-terms）的交流反馈来加速策略学习，设计 Conversational UCB 算法来处理此类情境，理论分析 ConUCB 可以达到比传统策略策略LinUCB 更小的遗憾上界，实验结果表明了该算法的有效性。

    Jun, 2019

  • BLOB：一种结合有机和强化信号的推荐概率模型

    通过Bayesian Latent Organic Bandit模型将机器推荐的有干预（bandit）和无干预（organic）记录进行有机的结合，通过使用可变自编码器实现扩展以及本地重参数技巧技术实现可扩展的近似全模型并证明在有机环境和有干预环境中均优于最先进的有机推荐算法和干预算法（价值和基于策略的）

    Aug, 2020

  • 推荐系统中的赌博算法现场测试：理解多臂赌博机对人类偏好假设的有效性

    本文探究并验证基于多臂赌博机算法(MABs)生成的个性化推荐系统所依赖的假设是否正确，结果表明人类偏好动态性的存在需要被考虑。同时，作者还提供了一种灵活的实验框架来理解人类偏好动态性和测试MABs算法。

    Apr, 2023

  • 在线匹配: 一种用于大规模推荐的实时试错系统

    通过在线学习的方法，本研究提出了一种用于大规模推荐系统的可扩展闭环赌博系统，以提高新内容发现和物品探索的能力。

    Jul, 2023

  • Epsilon非贪婪：通过均匀数据进行无偏推荐的赌博机方法

    为了纠正推荐系统中的自反馈偏差，该研究提出了一个基于环境的多臂赌博机框架，使用少量均匀收集的数据来学习无偏估计器，并重点关注模型理解有限的项目，以生成改进的训练数据，有效解决了自反馈偏差问题。通过使用提出的训练方案进行广泛实验，证明了该模型优于现有的去偏方法。

    Oct, 2023

  • 通过聚类进行偏好学习的分层在线专家框架

    利用低维潜在空间加速用户偏好学习的层次聚类框架可提供高效的出行推荐算法，特别适用于具有层次结构的环境中降低遗憾度。

    Jan, 2024

  • 神经臂带的元聚类

    本文解决了推荐系统中用户异质性与相关性之间的平衡问题，提出了一种新颖的算法M-CNB，用以增强神经臂带的聚类能力。研究表明，该算法在动态聚类适应性与探索策略方面表现出色，实验结果显示M-CNB在推荐和在线分类任务中超过了现有最优方法。

    Aug, 2024