高维线性多臂老虎机与推荐系统

大量在线服务提供自动推荐，以帮助用户浏览庞大的物品集合。新物品（产品、视频、歌曲、广告）是根据用户的历史记录以及（如有）其人口统计特征进行推荐的。推荐必须满足双重目标：既帮助用户探索可用物品空间，又允许系统探测用户偏好。我们使用线性参数化的多臂老虎机对这种权衡进行建模，提出了一种策略，并证明了在数据匮乏（高维）机制下累积“奖励”的上下界，它们在常数因子内重合。先前关于线性老虎机的工作主要集中在数据丰富（低维）机制，并使用累积“风险”作为评价指标。针对这种数据丰富机制，我们对策略进行了简单修改，在更严格的几何假设下实现了接近最优的风险性能。我们在 Netflix 和 MovieLens 数据集上测试了用于建立可实现性的方案（及其变体），结果与我们所发展理论的定性预测吻合良好。