MARS-Gym：一个用于建模、训练与评估市场平台推荐系统的 Gym 框架
信息检索
2020-10-15 v1 人机交互
机器学习
机器学习
摘要
推荐系统对于市场平台尤其具有挑战性，因为它们必须在最大化用户满意度的同时保持此类生态系统的健康与公平。在此背景下，我们观察到缺乏用于设计、训练和评估在这些环境中通过交互学习的智能体的资源。为此，我们提出 MARS-Gym，一个开源框架，旨在帮助研究人员和工程师快速构建和评估用于市场平台推荐的强化学习智能体。MARS-Gym 涵盖了完整的开发流程：数据处理、模型设计与优化，以及多方位评估。我们还提供了一组多样化基线智能体的实现，并在 Trivago 市场数据集上以指标驱动的方式对其进行分析，以说明如何利用可用的推荐、离策略估计与公平性指标开展整体评估。借助 MARS-Gym，我们期望弥合学术研究与实际生产系统之间的差距，并推动新算法与应用的设计。
引用
@article{arxiv.2010.07035,
title = {MARS-Gym: A Gym framework to model, train, and evaluate Recommender Systems for Marketplaces},
author = {Marlesson R. O. Santana and Luckeciano C. Melo and Fernando H. F. Camargo and Bruno Brandão and Anderson Soares and Renan M. Oliveira and Sandor Caetano},
journal= {arXiv preprint arXiv:2010.07035},
year = {2020}
}
备注
15 pages, 14 figures, see https://github.com/deeplearningbrasil/mars-gym