机构名称：
¥ 4.0
我们提出了一个以工业规模部署的新型播客推荐系统。该系统成功地优化了数以千万名听众数月来展开的个人聆听之旅。偏离了为短期代理指标优化机器学习算法的普遍行业实践时，该系统在A/B测试中大大提高了长期性能。本文提供了有关我们方法如何应对归因，协调和测量挑战的见解，这些挑战通常会阻碍这种长期优化。为了将这些实际见解与更广泛的学术框架相关，我们转向强化学习（RL）。使用RL的语言，我们制定了用户与建议系统的重复关系的全面模型。然后，在此模型中，我们将方法确定为对现有推荐系统组件的策略改进更新，并通过对价值功能和用户态表示的量身定制建模来增强。说明性的离线实验表明，与黑盒方法相比，这种专业建模可将数据要求减少多达120,000倍。
优化长期音频建议
主要关键词
相关文件推荐
