基于增益建模的预算约束下的端到端成本效益激励推荐
原文中文,约300字,阅读约需1分钟。发表于: 。本研究针对在线平台预算约束下的激励分配问题,提出了一种新的端到端成本效益激励推荐模型(E3IR)。该模型通过增益预测和可微分分配模块,有效克服了以往方法中对领域知识忽视和两阶段最优性差距导致的不足,从而在多项公共和实际产品数据集上验证了其分配性能的提升。
本论文提出了Dynamic Bayesian Incentive-Compatible Recommendation Protocol (DBICRP)来解决推荐系统设计的挑战,并介绍了基于两阶段算法(RCB)的方法,以实现亚线性遗憾和贝叶斯激励兼容。通过模拟和实际应用验证了RCB算法的强激励增益、亚线性遗憾和鲁棒性。