SARDINE：动态交互环境中自动推荐的模拟器
信息检索
2024-04-09 v2
摘要
模拟器能为希望改进推荐系统的研究者和从业者提供宝贵见解，因为它们允许轻松调整推荐系统运行的实验设置，从而降低识别总体趋势和发现候选方法新发现的成本。实现这种加速改进循环的一个关键要求是，模拟器能够涵盖其所模拟的真实推荐环境中存在的各种复杂性来源。随着交互式和数驱动方法（例如强化学习或在线与反事实学习排序）的出现，这类方法旨在实现超越传统以准确性为中心目标的用户相关目标，亟需恰当的模拟器。特别是，此类模拟器必须建模使推荐环境具有动态性和交互性的各种机制，例如推荐对用户的影响或偏置数据对推荐系统后续迭代的影响。因此我们提出 SARDINE，一个灵活且可解释的推荐模拟器，可帮助加速交互式和数驱动推荐系统的研究。我们通过在 SARDINE 衍生的九个多样环境中研究现有方法，展示了其实用性，甚至揭示了关于它们的新见解。
引用
@article{arxiv.2311.16586,
title = {SARDINE: A Simulator for Automated Recommendation in Dynamic and Interactive Environments},
author = {Romain Deffayet and Thibaut Thonet and Dongyoon Hwang and Vassilissa Lehoux and Jean-Michel Renders and Maarten de Rijke},
journal= {arXiv preprint arXiv:2311.16586},
year = {2024}
}