自适应序列子模性
机器学习
2019-06-21 v2 数据结构与算法
机器学习
摘要
在许多机器学习应用中,需要交互式地选择一系列条目(例如基于用户反馈推荐电影)或按特定顺序进行顺序决策(例如引导智能体经过一系列状态)。序列本身已带来令人畏惧的巨大搜索空间,我们还必须考虑过去的观测以及未来结果的不确定性。若无进一步结构,寻找最优序列极具挑战,甚至完全不可行。在本文中,我们通过子模性的视角审视自适应与顺序决策问题,并提出一种具有强理论保证的自适应贪心策略。此外,为展示我们结果的实际效用,我们在亚马逊产品推荐和维基百科链接预测任务上进行了实验。
引用
@article{arxiv.1902.05981,
title = {Adaptive Sequence Submodularity},
author = {Marko Mitrovic and Ehsan Kazemi and Moran Feldman and Andreas Krause and Amin Karbasi},
journal= {arXiv preprint arXiv:1902.05981},
year = {2019}
}