从点击到转化：面向长期收益的推荐
信息检索
2020-09-02 v1 机器学习
摘要
推荐系统通常针对短期收益进行优化：如果在推荐之后能立即观测到收益（例如一次点击），则该推荐被视为成功。这一框架的优势在于，在若干合理（尽管存疑）的假设下，它允许使用常见的监督学习工具来完成推荐任务。然而，这意味着销售或留存等长期业务指标被忽略。本文在 RecoGym 仿真环境中引入了一种建模长期收益的框架。我们利用这一新引入的功能，展示了在转化优化推荐情形下由末次点击归因方案所带来的问题，并提出了一种简单的扩展，从而取得了最先进（state-of-the-art）的结果。
引用
@article{arxiv.2009.00497,
title = {From Clicks to Conversions: Recommendation for long-term reward},
author = {Philomène Chagniot and Flavian Vasile and David Rohde},
journal= {arXiv preprint arXiv:2009.00497},
year = {2020}
}