paper link: https://arxiv.org/abs/1606.03966
Contextual Bandit pipeline 을 구성할 때 어떻게 하면 기술 부채가 적어지는지에 대한 내용을 다루는 것 같음
paper link: https://arxiv.org/abs/1606.03966
Contextual Bandit pipeline 을 구성할 때 어떻게 하면 기술 부채가 적어지는지에 대한 내용을 다루는 것 같음
optimism principle 에 기반한 알고리즘은 문제에 대한 구조를 exploit 하는데 실패하여 점근적으로 suboptimal 결과를 보임 context 분포와 exploration policy 가 나눠지도록 (decoupled) regret lower bound 를 reformulate 하여,...
Probability Ranking Principle 에 의하면 top-K items 을 greedy 하게 rank 하는것이 optimal 함
http://www.chenshouyuan.com/papers/sdm14.pdf
paper Link: https://arxiv.org/pdf/1205.2606.pdf
일반적인 Multi-Armed Bandit 은 arm 이 사라지지 않는다고 가정한다. Mortal MAB 는 arm 마다 수명이 있어서 일정 시점이 지나면 arm 이 죽고 (더 이상 당길 수 없고), 새 arm 이 계속 들어오는 상황을 다룬다. 광고나 뉴스처럼 후보가 계속 바뀌는 추천 문제가 이 설정에 해당한다.
Discussion Q-learning based offline 학습 방식이고, 모델도 무겁고.. negative feedback 을 사용했다고 하는데, 관련 연구 내용이 없음 강화학습 주제이지만, MAB 와 비교가 없음 - [ ] MAB 는 MDP 랑 무슨 관계지? Abstract we propose a...
해결하려는 문제: 강화학습에서의 효율적인 exploration
YouTube 에 SARSA-TS 알고리즘을 실험 candidate - ranker 를 거치게 되는데, ranker 의 scoring 함수에서 사용하는 myopic(근시안적) engagement 측정값을 LTV estimate 로 변경함 candidate scoring 쪽은 그대로 유지
Paper link https://arxiv.org/abs/1812.07127
paper link: https://arxiv.org/pdf/2109.10665.pdf Reinforcement Learning based Recommender Systems: A Survey