直播预告 | 滴滴AI Labs：探索资源约束的Contextual Bandits问题

「PW Live」是 PaperWeekly 的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

Contextual bandits (CB) 因为强大的序列决策能力，已经被广泛的应到推荐系统和广告优化中。

在现实世界的应用中，在线学习的成本往往是比较高的，一个折中的方案是给策略的学习设定一个探索资源的约束。所以这个问题转变成如何在固定的探索资源预算约束下，去平衡 exploration（探索）和 exploitation（挖掘）的问题。

本文提出了一种层次化结构的优化方法，达到资源分配策略和个性化推荐策略同时优化的目的。该方法在 Yahoo 的广告数据上得到了验证，并且在理论上证明了 regret bound 是   。

本期 PW Live，我们邀请到滴滴 AI Labs / 美国研究院专家研究科学家李卿阳，为大家带来探索资源约束的 Contextual Bandits 问题的主题分享。

等等！以为这就完了？还有干货分享！近期 KDD Cup 2020 & 滴滴在 biendata 竞赛平台开展了强化学习挑战赛，邀请全球算法高手共同挑战共享出行领域优化难题。本期还邀请到滴滴 AI Lab（人工智能实验室）专家算法工程师唐小程为大家带来 KDD CUP 学习如何在共享出行平台上派单和调度的主题分享。

对本期主题感兴趣的小伙伴，5 月 9 日（周六）下午 2 点，我们准时相约 PaperWeekly B 站直播间。

分享提纲

本文提出了一种层次化结构的优化方法，达到资源分配策略和个性化推荐策略同时优化的目的。该方法在 Yahoo 的广告数据上得到了验证，并且在理论上证明了 regret bound 是   。

本次分享的具体内容有：

• 强化学习 Contextual Bandits 背景介绍

• 基于层次自适应的 Contextual Bandits 方法

• 累积遗憾（Cumulative Regret）分析

• 实验结果验证

• 方法总结

嘉宾介绍

 李卿阳  / 滴滴AI Labs专家研究科学家  

李卿阳博士，滴滴 AI Labs/美国研究院专家研究科学家。 致力于网约车交易平台的供需策略优化。博士毕业于美国亚利桑那州立大学，拥有计算机博士学位，本科毕业于北京航空航天大学计算机专业。

 唐小程  / 滴滴AI Labs专家算法工程师  

唐小程博士，滴滴AI Labs（人工智能实验室）专家算法工程师 ，美国理海大学优化运筹学博士学位，曾先后就职于 IBM Watson，硅谷雅虎 Labs，初创公司 Pivotal Software。

直播地址 & 交流群

本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「PW Live」，即可获取入群通道。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。