面向大规模动作空间的可扩展 LinUCB：低秩设计矩阵更新
机器学习
2026-02-10 v2 机器学习
摘要
本文提出了 PSI-LinUCB，这是 LinUCB 的一个可扩展变体，通过将正则化设计矩阵的逆表示为对角矩阵与低秩修正的和，实现了高效的训练、推理和内存使用。我们推导了保持逆矩阵而无需显式构造矩阵的秩-1 更新和批量更新。为控制内存增长，我们采用投影-分割积分器进行动态低秩近似，使平均每步更新成本和内存使用量为 ，其中 为近似秩。所提出算法的推理复杂度为每个动作评估的 。在推荐系统数据集上的实验表明，我们所提出的算法有效且实用。
关键词
引用
@article{arxiv.2510.19349,
title = {Scalable LinUCB: Low-Rank Design Matrix Updates for Recommenders with Large Action Spaces},
author = {Evgenia Shustova and Marina Sheshukova and Sergey Samsonov and Evgeny Frolov},
journal= {arXiv preprint arXiv:2510.19349},
year = {2026}
}