通过强化机制设计加速电商代谢
机器学习
2018-07-03 v1 机器学习
摘要
在大型电商平台中，所有参与者在平台的分配机制下竞争曝光。现有方法主要基于当前观测关注短期收益，而非长期收益。本文通过定义产品在整个生命周期中的导入、成长、成熟和衰退阶段及其转移，正式建立了产品的生命周期模型。基于该模型，我们进一步提出了一种基于强化学习的曝光分配机制设计框架，其结合了基于第一主成分的排列方法与新颖的经验生成方法，以最大化平台的短期与长期收益。借助试错能力，可以全局优化曝光分配策略，这有助于参与者及平台自身的健康发展。我们基于某最大电商平台之一构建了模拟环境对所提算法进行评估，与基线方案相比取得了显著提升。
引用
@article{arxiv.1807.00448,
title = {Speeding up the Metabolism in E-commerce by Reinforcement Mechanism Design},
author = {Hua-Lin He and Chun-Xiang Pan and Qing Da and An-Xiang Zeng},
journal= {arXiv preprint arXiv:1807.00448},
year = {2018}
}
备注
Sigir ecom