論文メモ
A Contextual-Bandit Approach to Personalized News Article Recommendation
概要
バンディットアルゴリズムのLinUCBが最初に提案された論文。
- ニュース記事のパーソナライズ推薦をcontextual-banditとして、モデル化
- オフライン評価方法の提案
- 実際のヤフーのデータセットに新しいアルゴリズムを適用し、12.5%クリック率が上昇
[論文レビュー] A Contextual-Bandit Approach to Personalized News Article Recommendation
2021年04月17日
Related Articles
- [論文レビュー] LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation
- [論文レビュー] Neural Graph Collaborative Filtering
- [論文レビュー] How Powerful is Graph Convolution for Recommendation?
- [論文レビュー] UltraGCN: Ultra Simplification of Graph Convolutional Networks for Recommendation
- [論文レビュー] Learning deep structured semantic models for web search using clickthrough data
- [論文レビュー] LINE: Large-scale Information Network Embedding
- [論文レビュー] Multitask Mixture of Sequential Experts for User Activity Streams
- [論文レビュー] Improving Recommendation Quality in Google Drive
- [論文レビュー] Embedding-based Retrieval in Facebook Search
- [論文レビュー] Jointly Learning to Recommend and Advertise