基于随机反馈对用户长期参与度的建模
信息检索
2023-04-06 v2
摘要
推荐系统（RS）的终极目标是提升用户参与度。强化学习（RL）是实现该目标的一种有前景的范式，因为它直接优化序列推荐的整体性能。然而，许多现有的基于RL的方法带来了巨大的计算开销，因为它们不仅要求存储被推荐物品，还要求存储所有其他候选物品。本文提出一种不需候选物品的高效替代方案。其思想是直接从数据中建模用户参与度与物品之间的相关性。此外，所提方法考虑了用户反馈与终止行为中的随机性，这类随机性在RS中普遍存在，却鲜少在基于RL的既往工作中被讨论。通过真实世界RS上的在线A/B实验，我们证实了所提方法的有效性以及建模这两类随机性的重要性。
引用
@article{arxiv.2302.06101,
title = {On Modeling Long-Term User Engagement from Stochastic Feedback},
author = {Guoxi Zhang and Xing Yao and Xuanji Xiao},
journal= {arXiv preprint arXiv:2302.06101},
year = {2023}
}
备注
Accepted by the workshop on decision making for information retrieval and recommender systems (the Web Conference 2023)