扩展Open Bandit Pipeline以模拟行业挑战
机器学习
2022-09-12 v1 信息检索
摘要
当预标注数据不可用时，bandit算法常被用于电子商务行业训练机器学习(ML)系统。然而，行业环境带来了各种使bandit算法实际部署并非易事挑战。本文详述了Booking.com从业者应用bandit算法时遇到的离策略优化、延迟奖励、概念漂移、奖励设计与业务规则约束等挑战。我们的主要贡献是对Open Bandit Pipeline (OBP)框架的扩展。我们为上述部分挑战提供了仿真组件，以为未来的从业者、研究人员和教育者提供应对电子商务行业挑战的资源。
引用
@article{arxiv.2209.04147,
title = {Extending Open Bandit Pipeline to Simulate Industry Challenges},
author = {Bram van den Akker and Niklas Weber and Felipe Moraes and Dmitri Goldenberg},
journal= {arXiv preprint arXiv:2209.04147},
year = {2022}
}
备注
Published at the CONSEQUENCES+REVEAL '22 workshop @ Recsys 2022, Seattle, WA, USA, Sept. 22nd-23rd 2022