音楽ストリーミングプラットフォーム上の複数目的のバンディットベース最適化【JST・京大機械翻訳】

Mehrotra Rishabh; Xue Niannan; Lalmas Mounia

文献

J-GLOBAL ID：202002269123147067 整理番号：20A2263256

音楽ストリーミングプラットフォーム上の複数目的のバンディットベース最適化【JST・京大機械翻訳】

Bandit based Optimization of Multiple Objectives on a Music Streaming Platform

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A2263256&from=J-GLOBAL&jstjournalNo=D0698C") }}

著者 (3件)： , ,
資料名：
号： KDD ’20 ページ： 3224-3233 発行年： 2020年
JST資料番号： D0698C 資料種別：会議録 (C)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

オンラインマルチ利害関係者プラットフォームを出力する推薦システムは,供給者と消費者を効率的にマッチさせる試みにおいて,複数の目的を同時に最適化する課題に直面している。そのような目的の例は,ユーザ行動計量(例えば,クリック,ストリーム,滞留時間など),供給者曝露目的(例えば多様性)およびプラットフォーム中心目標(例えば,促進)を含む。オンライン推薦システムにおける多重計量の共同最適化は,挑戦的なタスクのままである。最近の研究では,ユーザへの関心の推薦に役立てるために,電力推薦システムにおける文脈的バンチットの提案が実証されている。本論文では,マルチステークホルダプラットフォームにおける電力推薦に対して,文脈的帯域を多目的設定に拡張することを目的とした。特に,文脈的帯域設定において,著者らは,公正な方法で複数の目的を同時に最適化できる推薦ポリシーを学習する。この多目的オンライン最適化問題を,一般化Gini指数(GGI)凝集関数を用いて定式化し,多重目的を一緒に組み合わせ,バランスさせた。GGI関数を用いてスカラー化された異なる目的に対する長期ベクトル報酬を最大化するオンライン勾配上昇学習アルゴリズムを提案した。シミュレーテッドデータと大規模音楽推薦データに関する広範囲な実験を通して,ストリーミングプラットフォーム,著者らは,提案アルゴリズムが,他の最先端の手法と比較して,異種目的の間で優れたポリシーを学習することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

著者キーワード (3件)： , ,

その他の情報処理 , 計算機網 , 通信網 , マーケティング , 計算機システム開発

, , ,

前のページに戻る