具有长期约束的排序

用户通过其选择（例如点击、购买）提供的反馈是可用于训练搜索和推荐算法的最常见数据类型之一。然而，基于选择数据短视地训练系统可能仅能改善短期参与度，而无法改善平台的长期可持续性及其用户、内容提供者和其他利益相关者的长期利益。因此，在本文中，我们开发了一个新的框架，其中决策者（例如平台运营者、监管者、用户）可以表达对平台行为的长期目标（例如公平性、收益分配、法律要求）。这些目标采取远超单个会话的曝光或影响目标的形式，我们提供新的基于控制的算法来实现这些目标。特别地，这些控制器被设计为以对短期参与度的最小影响来实现所述的长期目标。除了对控制器进行原理性的理论推导外，我们还在合成数据和真实世界数据上评估了这些算法。虽然所有控制器都表现良好，但我们发现它们在效率、鲁棒性和前瞻规划能力方面提供了有趣的权衡。