【AAAI2022】推荐系统应用中的上下文老虎机中的上下文不确定性

递归神经网络已被证明可以有效地建模推荐系统的连续用户反馈。然而，它们通常只关注项目的相关性，而不能有效地为用户探索不同的项目，因此从长远来看会损害系统性能。为了解决这一问题，我们提出了一种新的递归神经网络，称为递归探索网络(re - exploration networks, REN)，该网络可以联合执行表征学习和潜在空间的有效探索。REN试图平衡相关性和探索，同时考虑到表现中的不确定性。我们的理论分析表明，即使在学习的表征中存在不确定性，REN仍能保持最优率的次线性遗憾。我们的实证研究表明，REN可以在合成和真实的推荐数据集上获得令人满意的长期回报，优于最先进的模型。

https://www.zhuanzhi.ai/paper/4b73b324ed99c6efe645d865c83fa1c1

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“CUCB” 就可以获取《【AAAI2022】推荐系统应用中的上下文老虎机中的上下文不确定性》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取70000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取70000+AI主题知识资源