பரிந்துரை அமைப்பில் சூழலியல் மல்டி-ஆர்மட் பேண்டிட்களுக்கான காரண காரிய அம்சம் தேர்ந்தெடுப்பு முறை
Author
Venue
ACM RecSys விளைவுகள் (காப்பகப்படுத்தப்படாத) 2024
Abstract
சூழலியல் மல்டி-ஆர்மட் பேண்டிட்ஸ் (MAB) செயல்திறனுக்கு அம்சங்கள் (அதாவது சூழல்) மிகவும் முக்கியமானவை. பெரிய அளவிலான ஆன்லைன் அமைப்புகளின் நடைமுறையில், மாதிரிக்கான முக்கிய அம்சங்களைத் தேர்ந்தெடுத்து செயல்படுத்துவது அவசியமாகும்: முக்கிய அம்சங்கள் விடுபடுவது உகந்ததல்லாத வெகுமதி விளைவுக்கு வழிவகுக்கும், மேலும் தொடர்பில்லாத அம்சங்களைச் சேர்ப்பது ஓவர்ஃபிட்டிங், மோசமான மாதிரி விளக்கத்திறன் மற்றும் செயலாக்கச் செலவு ஆகியவற்றை ஏற்படுத்தும். இருப்பினும், வழக்கமான இயந்திர கற்றல் மாதிரிகளுக்கான அம்சத் தேர்வு முறைகள், சூழலியல் MAB பயன்பாட்டு நிகழ்வுகளுக்குப் போதுமானதாக இல்லை. ஏனெனில், வழக்கமான முறைகள் விளைவு மாறியுடன் தொடர்புடைய அம்சங்களைத் தேர்ந்தெடுக்கின்றன, ஆனால் சூழலியல் MAB-க்கு உண்மையிலேயே முக்கியமான, கைகளுக்கு இடையே பன்முகப்படுத்தப்பட்ட சிகிச்சை விளைவை (heterogeneous treatment effect) ஏற்படுத்துகின்ற அம்சங்களை அவை தேர்ந்தெடுப்பதில்லை. இந்தக் கட்டுரையில், அம்சம் வெகுமதிப் பங்கீட்டிற்கு வழங்கும் பன்முகப்படுத்தப்பட்ட காரண விளைவின் அடிப்படையில், சூழலியல் MAB சிக்கலுக்காக வடிவமைக்கப்பட்ட மாதிரி-இலவச அம்சத் தேர்வு முறைகளை நாங்கள் அறிமுகப்படுத்துகிறோம். பரிந்துரை அமைப்பில் உள்ளடக்க முகப்புப் படத்தை மேம்படுத்துவதற்கான ஒரு ஆன்லைன் சோதனையிலிருந்து பெறப்பட்ட செயற்கைத் தரவு மற்றும் உண்மையான தரவுகளின் அடிப்படையில் அனுபவபூர்வமான மதிப்பீடு நடத்தப்படுகிறது. முக்கியமற்ற அம்சங்களுடன் ஒப்பிடும்போது, இந்த அம்சம் தேர்ந்தெடுக்கும் முறை, அதிக சூழல்சார் MAB வெகுமதிக்கு வழிவகுக்கும் முக்கியமான அம்சங்களை திறம்படத் தேர்ந்தெடுக்கிறது என்று முடிவுகள் காட்டுகின்றன. மாதிரி உள்ளமைக்கப்பட்ட முறையுடன் ஒப்பிடும்போது, இந்த மாதிரி-இல்லாத முறை வேகமான கணக்கீட்டு வேகம், எளிதான செயலாக்கம் மற்றும் மாதிரியின் தவறான வரையறை சிக்கல்களைக் குறைத்தல் போன்ற நன்மைகளைக் கொண்டுள்ளது.
