طريقة اختيار السمات السببية لنظام التوصية "Multi-Armed Bandits" السياقي
Author
Venue
ACM RecSys CONSEQUENCES (غير أرشيفي) 2024
Abstract
تعد الميزات (المعروفة أيضًا باسم السياق) أمرًا بالغ الأهمية لأداء نموذج اللصوص متعدد الأذرع (MAB) السياقي. في الممارسة العملية للنظام الإلكتروني واسع النطاق، من المهم اختيار الميزات المهمة للنموذج وتنفيذها: فقد يؤدي فقدان الميزات المهمة إلى نتائج مكافأة دون المستوى الأمثل، كما أن تضمين ميزات غير ذات صلة قد يتسبب في الإفراط في التكيف، وضعف قابلية تفسير النموذج، وارتفاع تكلفة التنفيذ. ومع ذلك، فإن طرق اختيار الميزات لنماذج التعلم الآلي التقليدية تفشل في حالات استخدام MAB السياقية، حيث تختار الطرق التقليدية الميزات المرتبطة بمتغير النتيجة، ولكنها لا تسبب بالضرورة تأثير معالجة غير متجانس بين الأذرع، وهو أمر مهم حقًا لـ MAB السياقية. في هذه الورقة، نقدم طرقًا لاختيار الميزات خالية من النماذج مصممة لمشكلة MAB السياقية، استنادًا إلى التأثير السببي غير المتجانس الذي تساهم به الميزة في توزيع المكافأة. يتم إجراء التقييم التجريبي استنادًا إلى البيانات الاصطناعية وكذلك البيانات الحقيقية من تجربة عبر الإنترنت لتحسين صورة غلاف المحتوى في نظام التوصية. تظهر النتائج أن طريقة اختيار الميزات هذه تختار بشكل فعال الميزات المهمة التي تؤدي إلى مكافأة MAB سياقية أعلى مقارنة بالميزات غير المهمة. بالمقارنة مع الطريقة المدمجة في النموذج، تتميز هذه الطريقة الخالية من النماذج بسرعة الحساب وسهولة التنفيذ وتقليل مشكلات المواصفات الخاطئة للنموذج.
