ESP group: Teaching
Exploratory search seminar Lecture 1 (pdf) Lecture 1 (keynote) Lecture 2 (pdf) Lecture 2 (keynote) Reading: Exploratory search: From finding to understanding Exploratory search: Beyond the query-response paradigm Bandits in Recommender Systems RecSys Slides Bandit Algorithms in Information Retrieval Topics in Cognitive Modelling in Interactive Information Retrieval Lecture 1 (pdf) Lecture 1 (keyno
報酬が線形モデルで表せる時のバンディット問題
『バンディット問題の理論とアルゴリズム』本の，報酬がなんらかの特徴の線形モデルによって表現される場合に使える線形バンディットが前から気になっていたので輪読会で発表担当をするなど． スライド アルゴリズムの実装と人工データによる実験 LinUCBとThompson Sampling，報酬が正規分布のケース ロジスティック回帰モデル上のバンディット，報酬が二値のケース 感想 行動(腕)毎の報酬を推定するのでは無く，報酬モデルのパラメータを推定するという方策．妥当なモデルが作れたら実際に使えそうな感触． 実装は一発書きおろしで検算をしていないが，一応それっぽく動いた．ラプラス近似の処理が重いので勾配ベクトルとヘッセ行列の計算過程はキャッシュしておかないとつらい． LinUCBかThompson Samplingかどちらを使うかというと，報酬が同期で観測できない広告配信は後者一択で，報酬が二値の場
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
solving of multi-armed bandit problem in advertisement recommendation