面向大规模在线移动推荐的场景化用户浏览_bandit 方法

在线推荐服务向用户推荐多种商品。如今，相当比例的用户通过移动设备访问电商平台。由于移动设备屏幕尺寸有限，物品的位置对点击有显著影响：1）位置越靠前，某商品点击越多。2）“伪曝光”问题：首屏仅展示少量推荐物品，用户需滑动屏幕浏览其他物品。因此，一些排在后面的推荐物品未被用户看到，将此类物品视为负样本并不恰当。尽管许多工作将在线推荐建模为上下文_bandit 问题，它们很少考虑位置的影响，从而奖励函数的估计可能有偏。本文旨在解决这两个问题以提升在线移动推荐性能。我们的贡献有四点。第一，由于我们关注一组推荐物品的奖励，我们将在线推荐建模为上下文组合_bandit 问题并定义推荐集的奖励。第二，我们提出一种称为 UBM-LinUCB 的新颖上下文组合_bandit 方法，通过采用用于网页搜索的点击模型 User Browsing Model (UBM) 来解决与位置相关的两个问题。第三，我们给出形式化的后悔分析，并证明我们的算法达到与物品数量无关的次线性后悔。最后，我们通过一种新颖的无偏估计器在两个真实世界数据集上评估算法。在线实验也在全球最受欢迎的电商平台之一淘宝上实施。两个 CTR 指标上的结果表明我们的算法优于其他上下文_bandit 算法。