具有特征序贯包含的批量在线上下文稀疏赌博机
机器学习
2024-09-17 v1 机器学习
摘要
多臂赌博机(MAB)越来越多地应用于在线平台和电子商务，以优化个性化用户体验的决策。本文聚焦于具有线性奖励的上下文赌博机问题，并考虑稀疏性和批处理数据的条件。我们通过一种新颖的算法——在线批量序贯包含(OBSI)来解决公平性挑战，该算法随着对特征影响奖励的信心增加而序贯地包含特征。我们在合成数据上的实验表明，与其它算法相比，OBSI 在遗憾值、所用特征的相关性以及计算量方面均表现出优越的性能。
引用
@article{arxiv.2409.09199,
title = {Batched Online Contextual Sparse Bandits with Sequential Inclusion of Features},
author = {Rowan Swiers and Subash Prabanantham and Andrew Maher},
journal= {arXiv preprint arXiv:2409.09199},
year = {2024}
}
备注
4 pages, 4 figures, Accepted at the CONSEQUENCES 24 workshop, co-located with ACM RecSys 24