用于视觉感知推荐的卷积神经 Bandit

在线推荐/广告在网页业务中无处不在。图像展示被视为与客户交互最常用的格式之一。上下文多臂 bandit 已在广告应用中展现出解决推荐过程中存在的探索-利用困境的成功。受视觉感知推荐启发，本文我们提出一种上下文 bandit 算法，其中利用卷积神经网络（CNN）学习奖励函数，并结合上置信界（UCB）进行探索。我们还证明了当网络过参数化时近最优后悔界 $\tilde{\mathcal{O}}(\sqrt{T})$，并与卷积神经正切核（CNTK）建立紧密联系。最后，我们评估所提算法的经验性能，并显示其在真实世界图像数据集上优于其他最先进的基于 UCB 的 bandit 算法。