基于合成数据的推荐系统模拟器：综述
信息检索
2022-06-24 v1 机器学习
性能
摘要
本综述旨在全面概述用户与推荐系统之间交互的建模与仿真（M&S）领域的近期趋势，以及 M&S 在工业推荐引擎性能改进中的应用。我们从实现仿真的框架——模拟器——的开发动机及其用于训练和测试不同类型推荐系统（包括强化学习类）的使用出发。此外，我们基于现有模拟器的功能性、验证与工业有效性给出一种新的统一分类，并总结研究文献中的模拟器。除其他内容外，我们讨论模拟器的构建模块：合成数据（用户、物品、用户-物品响应）生成方法、假设分析实验方法、用于仿真质量评估的方法与数据集（包括监控和/或缩小仿真到现实差距的方法），以及实验仿真结果汇总方法。最后，本综述探讨该领域的新兴主题与开放问题。
引用
@article{arxiv.2206.11338,
title = {Synthetic Data-Based Simulators for Recommender Systems: A Survey},
author = {Elizaveta Stavinova and Alexander Grigorievskiy and Anna Volodkevich and Petr Chunaev and Klavdiya Bochenina and Dmitry Bugaychenko},
journal= {arXiv preprint arXiv:2206.11338},
year = {2022}
}