基于上下文多臂老虎机的音乐流媒体应用轮播个性化推荐
机器学习
2020-10-01 v2 机器学习
摘要
媒体服务提供商（如音乐流媒体平台）经常利用可滑动轮播向用户推荐个性化内容。然而，选择在这些轮播中展示的最相关条目（专辑、艺术家、播放列表……）是一项具有挑战性的任务，因为条目数量众多且用户偏好各异。在本文中，我们将轮播个性化建模为一个具有多次播放、基于级联的更新和延迟批量反馈的上下文多臂老虎机问题。我们通过在一个全球音乐流媒体移动应用上处理大规模播放列表推荐任务，实证展示了我们的框架在捕捉真实世界轮播特征方面的有效性。随本文一同，我们公开了来自实验的工业数据，以及一个用于模拟可比轮播个性化学习问题的开源环境。
引用
@article{arxiv.2009.06546,
title = {Carousel Personalization in Music Streaming Apps with Contextual Bandits},
author = {Walid Bendada and Guillaume Salha and Théo Bontempelli},
journal= {arXiv preprint arXiv:2009.06546},
year = {2020}
}
备注
14th ACM Conference on Recommender Systems (RecSys 2020, Best Short Paper Candidate)