Show Me the Money：面向收益最大化的动态推荐

推荐系统 (RS) 在电子商务和按需内容流媒体等应用中发挥着至关重要的作用。关于 RS 的研究主要集中在客户视角，即准确预测用户偏好和最大化用户效用。因此，大多数现有技术并未明确针对企业的主要业务目标——收益最大化而构建。在本工作中，我们探索并利用 RS 与企业盈利能力之间的一种新颖联系。由于推荐可被视为企业与其客户之间的信息渠道，研究如何制定战略性的动态推荐策略以实现可能的最大收益既有趣又重要。为此，我们提出了一种新颖的\model，该模型综合考虑了价格、估值、饱和效应以及产品间的竞争等多种因素。在该模型下，我们研究了在有限时间范围内寻找收益最大化推荐策略的问题。我们证明了该问题是 NP 难的，但通过建立与拟阵理论 (matroid theory) 的优雅联系，可以为一个稍作松弛的版本获得近似保证。鉴于该近似算法的复杂度极高，我们还为原始问题设计了智能启发式算法。最后，我们在两个真实数据集和合成数据集上进行了大量实验，证明了所提算法的效率、可扩展性和有效性，且其表现显著优于几种直观的基线方法。