多面情境赌博机：一种神经网络视角

情境多臂赌博机已被证明是推荐系统中的有效工具。在本文中，我们研究了一个新颖的多面赌博机问题，该问题涉及一组赌博机，每个赌博机从某一独特方面刻画用户需求。在每一轮中，对于给定的用户，我们需要从每个赌博机中选择一个臂，使得所有臂的组合使最终奖励最大化。该问题可在电子商务、医疗健康等领域得到直接应用。为解决此问题，我们提出了一种名为 MuFasa 的新算法，其利用集成神经网络联合学习多个赌博机的潜在奖励函数。它估计与期望奖励相关联的上置信界（UCB）以平衡利用与探索。在温和假设下，我们给出了 MuFasa 的遗憾分析。它可以达到近最优的 $\widetilde{ \mathcal{O}}((K+1)\sqrt{T})$ 遗憾界，其中 $K$ 为赌博机数量，$T$ 为游玩轮数。此外，我们进行了大量实验，表明 MuFasa 在真实世界数据集上优于强基线方法。