利用即时用户反馈改进序列查询推荐
信息检索
2024-07-08 v3 机器学习
机器学习
摘要
我们提出了一种用于交互式数据探索场景（如信息收集中的知识发现）的下一查询推荐算法。最先进的查询推荐算法基于利用历史交互数据的序列到序列学习方法。由于学习过程中的监督，此类方法无法适应即时用户反馈。我们提出增强基于 transformer 的因果语言模型用于查询推荐，以利用多臂老虎机（MAB）框架来适应即时用户反馈。我们利用来自一个流行在线文献发现服务的日志文件进行了大规模实验研究，并表明相对于不使用即时用户反馈的基于 transformer 的最先进查询推荐模型，我们的算法显著改善了每轮遗憾。我们的数据模型和源代码可在 https://github.com/shampp/exp3_ss 获取。
引用
@article{arxiv.2205.06297,
title = {Improving Sequential Query Recommendation with Immediate User Feedback},
author = {Shameem A Puthiya Parambath and Christos Anagnostopoulos and Roderick Murray-Smith},
journal= {arXiv preprint arXiv:2205.06297},
year = {2024}
}