具有一般价值函数的上下文多项 Logit 老虎机
机器学习
2024-02-20 v2
摘要
上下文多项 Logit (MNL) 老虎机捕捉了许多现实世界中的品类推荐问题，例如在线零售/广告。然而，先前的工作仅考虑了（广义）线性价值函数，这极大地限制了其适用性。受此事实启发，在本工作中，我们考虑了包含真实值的上下文 MNL 老虎机的一般价值函数类，借鉴了上下文老虎机最新研究的趋势。具体而言，我们同时考虑了随机和对抗性设置，并提出了一套算法，每种算法具有不同的计算-遗憾权衡。当应用于线性情况时，我们的结果不仅是对某个可能呈指数级大的依赖于问题的常数无依赖的首个结果，而且还具有其他优势，例如计算效率、无维度遗憾界限，或处理完全对抗性上下文和奖励的能力。
引用
@article{arxiv.2402.08126,
title = {Contextual Multinomial Logit Bandits with General Value Functions},
author = {Mengxiao Zhang and Haipeng Luo},
journal= {arXiv preprint arXiv:2402.08126},
year = {2024}
}