利用传递性进行基于分数的对决_bandit_top-k选择
机器学习
2021-01-01 v1
摘要
我们考虑带有分数信息的对决 Bandit (Dueling Bandit) 问题中的 top-k 子集选择。现实世界中的成对排序问题常表现出高度传递性，已有工作提出通过对 Bradley-Terry-Luce (BTL) 与 Thurstone 等参数化偏好模型的使用来利用此类传递性的采样方法。迄今，该工作聚焦于样本结果为胜/负二值响应的情形。我们将此扩展至采样结果含定量信息的选择问题，提出一种 Thurstone 式模型，并调整用于子集选择的成对最优计算预算分配 (POCBAm) 采样方法以利用该模型进行高效样本选择。我们将经验性能与标准 POCBAm 及其他竞争算法进行比较。
引用
@article{arxiv.2012.15637,
title = {Exploiting Transitivity for Top-k Selection with Score-Based Dueling Bandits},
author = {Matthew Groves and Juergen Branke},
journal= {arXiv preprint arXiv:2012.15637},
year = {2021}
}
备注
24 pages, 8 figures