抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
伝統的に,推薦システムがマルチアームバンドとして形式化されたとき,推薦システムの政策は,相互作用の長さではなく,報酬に影響をおよぼす。しかし,実世界システムにおいては,不満足ユーザは(そして,決して戻らない)かもしれない。本研究では,このような政策依存の水平線を捉える新しいマルチアームバンドセットアップを提案する。この設定は,ユーザタイプの有限集合とBernoulli支払いによる多重アームから成る。各(ユーザタイプ,アーム)タプルは(未知)報酬確率に対応する。各ユーザのタイプは最初に未知であり,推薦に対する応答を通してのみ推論できる。さらに,利用者が推薦で不満足であるならば,それらはシステムを分割するかもしれない。著者らは最初に,すべてのユーザが同じタイプを共有する事例を取り上げて,最近のUCBベースのアルゴリズムが最適であることを示した。次に,ユーザを2つのタイプ間で分割するより挑戦的なケースに転送する。ナイーブ手法はこの設定を扱うことができないが,Tがユーザの数であるO(√T)レグレットを達成する効率的な学習アルゴリズムを提供する。【JST・京大機械翻訳】