详细内容或原文请订阅后点击阅览
SEMORec：标准化高效多目标推荐框架
多利益相关者环境中的推荐系统通常需要同时针对多个目标进行优化，以满足供应商和消费者的需求。在这些环境中提供建议依赖于有效地结合目标来满足每个利益相关者的期望，通常通过具有预先确定和固定权重的量化函数。在实践中，选择这些权重成为一个随之而来的问题。最近的工作开发了算法，通过使用强化学习来训练模型，根据特定应用的需求来调整这些权重。虽然这解决了自动...
来源:Apple机器学习研究多利益相关者环境中的推荐系统通常需要同时针对多个目标进行优化，以满足供应商和消费者的需求。在这些环境中提供建议依赖于有效地结合目标来满足每个利益相关者的期望，通常通过具有预先确定和固定权重的量化函数。在实践中，选择这些权重成为一个随之而来的问题。最近的工作开发了算法，通过使用强化学习来训练模型，根据特定应用的需求来调整这些权重。虽然这解决了自动权重计算的问题，但这种方法对于频繁的权重调整效率不高。它们也不允许通常由业务需求决定的人工干预。为了弥补这一差距，我们提出了一种新颖的多目标推荐框架，该框架对于少数目标来说是有效的。它还使业务决策者能够通过为多个目标分配不同的重要性来轻松调整优化。我们通过在线业务指标的改进来展示我们框架的功效和效率。