BLOB：一种融合自然与 Bandit 信号的推荐概率模型

推荐系统的一项常见任务是从用户浏览历史中的条目构建其兴趣画像，随后从同一目录中向该用户推荐条目。用户行为由两部分组成：他们未经干预所浏览的条目序列（自然部分），以及推荐给他们的条目序列及其结果（bandit 部分）。本文中，我们提出贝叶斯潜在自然 Bandit 模型（BLOB），一种结合“自然”与“bandit”信号以改进推荐质量估计的概率方法。bandit 信号很有价值，因为它给出推荐表现的直接反馈，但信号质量极不均衡，因其高度集中于被过往版本推荐系统判定为最优的推荐上。相比之下，自然信号通常较强且覆盖多数条目，但不总与推荐任务相关。为在自然信号基础上高效学习贝叶斯模型中的 bandit 信号，我们识别出三类基本距离，即动作-历史、动作-动作与历史-历史距离。我们使用变分自编码器和局部重参数化技巧实现了全模型的可扩展近似。我们通过大量仿真研究表明，无论在自然还是 bandit 丰富的环境中，我们的方法都优于或匹敌最先进的基于自然的推荐算法以及基于 bandit 的方法（基于值与基于策略的）的价值。