视频推荐中鲁棒多臂老虎机框架的设计原则
信息检索
2023-10-04 v1 机器学习
摘要
当前推荐系统（RS）中的多臂老虎机方法更多聚焦于设计有效的探索技术，而未充分解决与分布变化和物品蚕食相关的常见利用挑战。现有指导设计可应对 RS 中这些频繁挑战的鲁棒老虎机框架的工作很少。本文中，我们提出新的设计原则以（i）使老虎机模型对时变元数据信号鲁棒，（ii）更不易受物品蚕食影响，以及（iii）防止其权重因数据稀疏而波动。通过一系列实验，我们系统性地考察了若干重要老虎机设计选择的影响。我们通过深入分析展示了所提设计原则在使老虎机模型对动态行为变化鲁棒方面的优势。值得注意的是，相较于未采用我们设计选择的基线老虎机模型，我们在 ROC-AUC 和 PR-AUC 上分别展示了高达 和 的相对增益提升。我们给出了关于推荐特定热门与冷门标题时公平性的案例研究，以证明我们所提设计在解决流行度偏差方面的鲁棒性。
引用
@article{arxiv.2310.01419,
title = {Design Principles of Robust Multi-Armed Bandit Framework in Video Recommendations},
author = {Belhassen Bayar and Phanideep Gampa and Ainur Yessenalina and Zhen Wen},
journal= {arXiv preprint arXiv:2310.01419},
year = {2023}
}
备注
RecSys CARS 2023 Workshop paper