Green Recommender Systems: Optimizing Dataset Size for Energy-Efficient Algorithm Performance
University of Siegen（锡根大学）
本文研究通过下采样优化数据集规模以实现节能推荐，发现FunkSVD和BiasedMF在稀疏数据上减半训练数据仍保持近完整性能，从而降低计算与环境成本。
2024-11-05 cs.AI cs.IR
Optimizing Long-term Value for Auction-Based Recommender Systems via On-Policy Reinforcement Learning
Meta AI
本研究采用时序差分学习实现单步策略改进，使基于拍卖的推荐系统在保持与拍卖框架兼容的同时优化长期用户参与度指标，并在大规模在线A/B测试中验证了其优于现有生产系统。
2023-07-30 cs.AI cs.IR
Deep density networks and uncertainty in recommender systems
Taboola（塔布拉）；DeepLab（深度实验室）
构建健壮的在线内容推荐系统需要学习用户偏好和内容特征之间的复杂交互。近年来，该领域从传统的多臂强盗和协同过滤技术迅速发展，新方法采用深度学习模型来捕获非线性。尽管取得了进展，但在线推荐的动态性质仍然带来了巨大的挑战，例如在探索和利用之间找到微妙的平衡。在本文中，我们将展示如何不确定性估计可以通过采用它们在一个乐观的开发/探索策略，更有效地探索新的建议。我们提供了一种新的混合深度神经网络模型，深度密度网络（DDN），它集成了基于内容的深度学习模型与协作方案，能够鲁棒地建模和估计不确定性。最后，我们将DNN整合到一个每天提供数十亿推荐的真实内容推荐系统中，并展示了在实践中使用DDN的好处。
2018-05-06 cs.IR cs.LG
A Mechanism for Optimizing Media Recommender Systems
本文提出一种机制，通过在生产者的成本函数中纳入过度触达的影响，解决媒体生产者与消费者之间的权衡，实现帕累托有效的纳什均衡，并提供实用算法以确定每个消费者的最优内容分配。
2024-07-22 cs.GT cs.IR econ.TH
Towards Effective Structured Context Modeling for Conversational Recommender Systems via Dual-node Monte Carlo Tree Search
College of Computer Science, Sichuan University（四川大学计算机学院）；Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究院）；School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息系统学院）
该研究针对会话式推荐系统的用户偏好追踪问题，提出双节点蒙特卡洛树搜索的DREAMS框架，经基准数据集实验验证其有效性。
2026-09-03 cs.AI cs.IR
What are you optimizing for? Aligning Recommender Systems with Human Values
Partnership on Artificial Intelligence（人工智能伙伴关系）；UC Berkeley（加州大学伯克利分校）；Center for Human-Compatible Artificial Intelligence（人类兼容人工智能中心）
我们描述的情况下，真正的推荐系统进行了修改，在服务的各种人类价值观，如多样性，公平性，福祉，时间花得好，和事实的准确性。从这一点上，我们确定了当前的价值工程实践：从人类创造的数据中创建分类器，并带有基于价值的标签。这在实践中对各种问题都有效，但问题是一个一个地解决，用户和其他利益攸关方很少参与。相反，我们期待人工智能调整工作的方法，可以直接从利益相关者那里学习复杂的价值观，并确定四个主要方向：有用的调整措施，参与式设计和操作，交互式价值学习和知情的审慎判断。
2021-07-22 cs.CY cs.IR cs.LG
Beyond Optimizing for Clicks: Incorporating Editorial Values in News Recommendation
FD Mediagroep（FD媒体集团）；Talpa Network（Talpa网络）；Randstad Groep Nederland（任仕达荷兰集团）
随着算法个性化在新闻领域的应用，新闻机构越来越信任具有先前考虑的编辑责任的自动化系统，例如，优先向读者提供新闻。在本文中，我们研究了自动新闻推荐系统的背景下，新闻机构的编辑价值观。我们利用新闻推荐系统进行并展示了两项在线研究，历时一个半月，涉及1,200多名用户。在我们的第一项研究中，我们探讨了我们的新闻推荐如何在编辑价值观的背景下引导阅读行为，如偶然性，活力，多样性和覆盖范围。接下来，我们提出了一个干预研究，我们扩展我们的新闻推荐引导我们的读者更动态的阅读行为。我们发现，（i）我们的推荐系统产生更多样化的阅读行为，并产生更高的覆盖率的文章相比，非个性化的编辑排名，（ii）我们可以成功地将动态在我们的推荐系统作为一个重新排名的方法，有效地引导我们的读者更动态的文章，而不损害我们的推荐系统的准确性。
2020-04-21 cs.CL cs.HC cs.IR
The Efficiency vs. Accuracy Trade-off: Optimizing RAG-Enhanced LLM Recommender Systems Using Multi-Head Early Exit
Meta Platforms（Meta平台）；University of Minnesota（明尼苏达大学）；NCSU（北卡罗来纳州立大学）；UNC at Chapel Hill（Chapel Hill分校，北卡罗来纳大学）
提出结合检索增强生成（RAG）与多头早期退出架构的优化框架，通过图卷积网络（GCN）高效检索和动态推理终止，在降低计算时间的同时保持或提升点击率（CTR）预测准确性。
2026-06-02 cs.IR cs.LG
Treatment Effect Estimation for User Interest Exploration on Recommender Systems
针对推荐系统用户隐藏兴趣发掘不足的问题，提出基于Uplift模型的UpliftRec框架，将top-N推荐转化为因果干预优化问题，结合逆倾向加权与动态规划实现探索与准确率的双重提升。
2024-05-14 cs.IR
Optimizing Rankings for Recommendation in Matching Markets
基于推荐系统在电子商务中的成功，人们对它们在匹配市场中的使用越来越感兴趣（例如，劳动）。虽然这有可能提高市场的流动性和公平性，但我们在本文中表明，天真地将现有的推荐系统应用于匹配市场是次优的。考虑到标准的过程中，候选人申请，然后得到雇主的评估，我们提出了一个新的推荐框架来模拟这种互动机制，并提出了有效的算法计算个性化的排名在这种情况下。我们发现，最佳排名不仅需要考虑候选人和雇主的潜在不同偏好，而且还需要考虑能力限制。这使得传统的排名系统仅仅通过一些局部分数（例如，单侧或互反相关性）是非常次优的--不仅对于个人用户，而且对于社会目标（例如，低失业率）。为了解决这个缺点，我们提出了第一种方法，用于联合优化市场上所有候选人的排名，以显式地最大化社会福利。除了理论推导，我们评估的方法都模拟环境和数据从现实世界中的网络推荐系统，我们建立和部署在一个大型计算机科学会议。
2021-06-03 cs.IR
Whole-Chain Recommendations
随着强化学习（RL）的兴起，人们对基于RL的推荐系统产生了极大的兴趣。在实际的推荐会话中，用户会依次访问入口页面和商品详情页面等多个场景，每个场景都有其特定的特征。然而，大多数现有的基于RL的推荐系统专注于优化一个策略的所有场景或单独优化每个策略，这可能会导致次优的整体性能。在本文中，我们研究了多个（连续）场景的推荐问题，即，全链条推荐我们提出了一种基于多代理RL的方法（DeepChain），它可以捕获不同场景之间的顺序相关性，并联合优化多个推荐策略。具体地说，所有的推荐代理（RA）共享用户的历史行为的相同的记忆，他们合作，以最大限度地提高会话的整体回报。注意，在现有的无模型强化学习模型中，联合优化多个推荐策略面临两个挑战-（i）它需要大量的用户行为数据，以及（ii）奖励（用户反馈）的分布非常不平衡。在本文中，我们引入基于模型的强化学习技术，以减少训练数据的要求，并执行更准确的策略更新。基于真实电子商务平台的实验结果验证了该框架的有效性。
2020-08-15 cs.IR
Optimizing Deep Learning Recommender Systems' Training On CPU Cluster Architectures
Intel Technology India Private Ltd.（英特尔技术印度私人有限公司）；Intel Corporation（英特尔公司）；Intel China Co. Ltd.（英特尔中国有限公司）；Intel Russia（英特尔俄罗斯公司）
在过去的两年里，许多研究人员的目标是从HPC系统中挤出最后一点性能来执行AI任务。通常，这种讨论是在如何快速训练ResNet 50的背景下进行的。不幸的是，ResNet 50在2020年不再是一个代表性的工作负载。因此，我们专注于推荐系统，它占了云计算中心的大部分AI周期。更具体地说，我们专注于Facebook的DLRM基准。通过使其能够在为HPC定制的最新CPU硬件和软件上运行，与参考CPU实现相比，我们能够在单个插槽上实现超过两个数量级的性能提升（110倍），以及高达64个插槽的高扩展效率，同时适应超大型数据集。本文讨论了DLRM中的各种运营商的优化技术，以及这些不同的运营商强调系统的组成部分。所提出的技术适用于提出与DLRM相同的缩放挑战/特性的更广泛的DL工作负载集合。
2020-05-10 cs.DC cs.IR cs.LG
Exponential Reward Weighting for Fine-Tuning Generative Recommenders under Sparse and Noisy Feedback
Netflix Research（Netflix研究院）
针对稀疏含噪反馈下生成式推荐器的过优化问题，提出Exp-RSFT方法，通过指数奖励加权和温度λ平衡覆盖与噪声成本，在多数据集上验证其优于PPO、DPO，可提升排序性能且无需额外数据。
2026-08-04 cs.IR
Optimizing Long-term Social Welfare in Recommender Systems: A Constrained Matching Approach
Google Research（谷歌研究院）；University of Toronto（多伦多大学）；Vector Institute（向量研究所）；Technion（以色列理工学院）
大多数推荐系统（RS）研究假设用户的效用可以独立于其他代理的效用而被最大化（例如，其他用户、内容提供方）。在现实环境中，这往往是不正确的-RS生态系统的动态耦合所有代理的长期效用。在这项工作中，我们探索设置中，内容提供方不能保持可行的，除非他们收到一定程度的用户参与。我们制定的推荐问题在这种情况下作为一个均衡选择诱导动力系统，并表明它可以解决作为一个最佳的约束匹配问题。我们的模型确保系统达到一个平衡，最大的社会福利支持一个足够多样化的可行的供应商。我们证明，即使在一个简单的，程式化的动态RS模型，标准的近视推荐方法-总是匹配用户的最佳供应商-表现不佳。我们开发了几种可扩展的技术来解决匹配问题，并绘制连接到用户的遗憾和公平的各种概念，认为这些结果是公平的功利意义上。
2020-08-18 cs.AI cs.IR cs.LG
Offline Evaluation of Reward-Optimizing Recommender Systems: The Case of Simulation
Criteo（科亿多）；University of Antwerp（安特卫普大学）
在学术和行业研究中，在线评估方法被视为推荐系统等交互式应用程序的黄金标准。当然，这样做的原因是我们可以直接测量依赖于干预的效用指标，即向用户显示的建议。尽管如此，在线评估方法由于多种原因而成本高昂，显然仍然需要可靠的离线评估程序。在工业中，离线指标通常被用作一线评估，以生成有希望的候选模型进行在线评估。在学术工作中，对在线系统的有限访问使得离线度量成为验证新方法的事实上的方法。存在两类离线度量：基于代理的方法和反事实方法。第一类通常与我们关心的在线指标相关性很差，后一类仅在现实环境中无法实现的假设下提供理论保证。在这里，我们提出了基于模拟的比较提供了超越离线指标的方法，并认为它们是一种更好的评估手段。
2022-09-18 cs.AI cs.IR cs.LG
Should I send this notification? Optimizing push notifications decision making by modeling the future
Twitter（推特（Twitter））
大多数推荐系统都是短视的，也就是说，它们基于用户的即时响应进行优化。这可能与真正的目标不一致，例如创造长期的用户满意度。在这项工作中，我们专注于移动推送通知，其中推荐系统决策的长期影响可能特别强烈。例如，发送太多或不相关的通知可能会惹恼用户并使他们禁用通知。然而，近视系统总是选择发送通知，因为将来会发生负面影响。这通常通过使用化学分析来缓解。然而，逻辑学可能很难推理或改进，每次系统改变时都需要重新调整，并且可能是次优的。为了克服这些缺点，人们对直接优化长期价值（LTV）的推荐系统非常感兴趣。在这里，我们描述了一种通过使用基于基于模型的强化学习（RL）来决定是否发送推送通知来最大化LTV的方法。我们对发送通知对用户未来行为的影响进行建模。以前的大部分工作应用强化学习来最大化推荐系统中的LTV，都集中在基于会话的优化上，而这项工作中通知决策的时间范围会延长几天。我们在一个主要的社交网络上进行了A/B测试。我们表明，通过优化有关推送通知的决策，我们能够发送更少的通知，并获得比基线系统更高的打开率，同时在平台上生成与现有的基于实践的系统相同的用户参与度。
2022-02-17 cs.IR cs.LG
Mitigating Exploitation Bias in Learning to Rank with an Uncertainty-aware Empirical Bayes Approach
本文提出EBRank，一种基于经验贝叶斯的不确定性感知排序算法，通过仅用非行为特征构建先验、利用用户行为更新后验并结合主动探索，缓解学习排序中的利用偏差，在三个公开数据集上显著优于现有排序算法。
2023-05-26 cs.IR
Rethinking Recommender Systems: Cluster-based Algorithm Selection
本研究提出基于用户聚类的推荐算法选择方法，在八个数据集上验证其有效性，五个数据集的nDCG@10提升19.28%至360.38%。
2024-05-28 cs.IR
Clicks Versus Conversion: Choosing a Recommender's Training Objective in E-Commerce
Digitec Galaxus AG
本文通过在线A/B测试对比了电子商务中优化CTR与转化率（ACR/OSR）对业务目标的影响，发现优化OSR能带来比CTR高五倍以上的GMV提升且不牺牲新商品发现。
2025-08-14 cs.IR cs.LG
Modeling Churn in Recommender Systems with Aggregated Preferences
Technion—Israel Institute of Technology（以色列理工学院）
本文提出一个模型，在推荐系统仅依赖聚合用户信息时，通过概率先验和分支定界算法，在有限时间内实现从探索到利用的过渡，以降低用户流失风险。
2025-02-09 cs.AI cs.IR cs.LG
InBox: Recommendation with Knowledge Graph using Interest Box Embedding
Zhejiang University（浙江大学）；Alibaba Group（阿里巴巴集团）
InBox提出基于盒嵌入的兴趣建模方法，利用知识图谱的细粒度概念组合，在推荐任务上显著优于现有方法。
2024-03-19 cs.AI cs.IR
Talos: Optimizing Top-$K$ Accuracy in Recommender Systems
Zhejiang University（浙江大学）；Beijing Technology and Business University（北京技术与商务大学）；Bangsheng Technology Co,Ltd.（bangsheng 技术有限公司）；Hangzhou City University（杭州市大学）
Talos通过分位数技术优化推荐系统中的Top-K准确度，解决计算开销和分布偏移问题。
2026-01-27 cs.AI cs.IR cs.LG
What Are We Optimizing For? A Human-centric Evaluation of Deep Learning-based Movie Recommenders
Grouplens Research, University of Minnesota（明尼苏达大学GroupLens研究组）；Institute for Data, Systems, and Society (IDSS), Massachusetts Institute of Technology（麻省理工学院数据、系统与社会研究所）；School of Computing, Clemson University（克莱姆森大学计算学院）
本文通过445名真实用户的调查评估四种深度学习电影推荐模型，发现其在多样性和用户满意度上弱于经典协同过滤，并提出以人为中心的设计与优化策略。
2024-05-01 cs.HC cs.IR cs.LG
EvoRec: Self Evolving Agentic Recommender Systems
Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团）
提出EvoRec多智能体框架，通过研究智能体和代码智能体迭代模型，技能进化器从历史经验中提炼可复用方法，实现推荐模型与优化方法共同进化，在离线指标上提升高达5.54%，在线A/B测试带来1.85%收入增长和1.02%点击率提升。
2026-06-15 cs.IR
New Insights into Metric Optimization for Ranking-based Recommendation
直接优化的IR指标经常被采用的方法来设计和开发基于排名的推荐系统。遵循这种方法的大多数方法旨在优化用于评估的相同度量，假设这将导致最佳性能。然而，对这一做法的一些研究对这一假设提出了质疑。在本文中，我们深入研究了这个问题，以了解更多的影响的选择的度量，以优化性能的排名为基础的推荐系统。我们提出了一个广泛的实验研究，在不同的数据集上进行成对和列表学习排名的情况下，比较四个流行的IR指标，即RR，AP，nDCG和RBP的相对优点，当用于优化和评估的推荐系统在各种组合。对于前三个，我们遵循文献中可用的损失函数公式化的实践。对于第四个，我们提出了新的损失函数的启发RBP的成对和列表的情况。我们的研究结果证实，最好的性能确实不一定达到优化相同的指标用于评估时。事实上，我们发现RBP引发的损失至少以一致的方式表现得与其他指标一样好，并且在几种情况下提供了明显的好处。有趣的是，RBP引发的损失，虽然提高了所有用途的推荐性能，但可能会导致与用户与项目交互的活动水平相关的个人性能增益。用户越活跃，他们受益越多。总的来说，我们的研究结果挑战了当前研究实践中优化和评估相同指标的假设，并指出基于RBP的优化在推荐环境中学习排序时是一种有前途的替代方案。
2021-06-04 cs.IR
Optimizing Audio Recommendations for the Long-Term: A Reinforcement Learning Perspective
Spotify（Spotify（ Spotify 公司））；Columbia University（哥伦比亚大学）
本文提出一种工业级播客推荐系统，基于强化学习框架优化数亿用户的长期收听体验，通过定制价值函数与用户状态表示，在A/B测试中显著提升长期性能，且大幅降低数据需求。
2024-07-27 cs.AI cs.IR cs.LG
Knowledge Graph-enhanced Sampling for Conversational Recommender System
Beijing Jiaotong University（北京交通大学）
传统的推荐系统主要利用离线用户数据对离线模型进行训练，然后向在线用户推荐商品，存在基于稀疏和噪声的历史数据的用户偏好估计不可靠的问题。会话式推荐系统（CRS）利用对话系统的交互形式来解决传统推荐系统固有的问题。然而，由于缺乏上下文信息建模，现有的CRS模型不能很好地处理资源的开发和探索（Exploitation and Exploration，E&E）问题，给用户带来了沉重的负担。为了解决上述问题，这项工作提出了一个上下文信息增强模型定制的CRS，称为知识图谱增强采样（KGenSam）。KGenSam将用户交互数据的动态图与外部知识集成为一个异构的知识图谱（KG）作为上下文信息环境。然后，设计了两个采样器，通过采样高不确定性的模糊样本获取用户偏好和可靠的负样本更新推荐器来增强知识，实现了用户偏好的高效获取和模型更新，从而为CRS处理E&E问题提供了有力的解决方案。在两个真实世界数据集上的实验结果证明了KGenSam的优越性，与最先进的方法相比有显着的改进。
2021-10-13 cs.AI cs.IR
Towards the D-Optimal Online Experiment Design for Recommender Selection
Walmart Labs（沃尔玛实验室）；Instacart
通过在线探索-开发来选择最佳推荐器越来越受到人们的关注，传统的A/B测试速度慢且成本高，离线评估容易受到历史数据的影响。找到最佳的在线实验是不平凡的，因为用户和显示的建议都带有上下文特征，这些特征对奖励来说是信息性的。虽然这个问题可以通过多武装匪徒的镜头正式化，现有的解决方案被发现不太令人满意，因为一般的方法不占案件的具体结构，特别是我们研究的电子商务建议。为了填补这一空白，我们利用经典统计文献中的\emph{D-optimal design}来实现探索过程中的最大信息增益，并揭示它如何与在线推理的现代基础设施无缝匹配。为了证明最优设计的有效性，我们提供了半合成模拟研究，并提供了已发布的代码和数据，以实现再现性。然后，我们使用我们在Walmart.com上的部署示例来充分说明所提出的方法的实际见解和有效性。
2022-03-26 cs.IR cs.LG stat.ML
Freshness-Aware Thompson Sampling
Orange Labs（奥兰治实验室）
为了跟踪用户内容的动态性，研究人员最近开始将用户与上下文感知推荐系统（CARS）之间的交互建模为系统需要处理探索和利用困境的强盗问题。在这个意义上，我们建议研究新鲜度的用户的内容在CARS通过强盗问题。本文介绍了一种新的算法FA-TS，该算法根据用户的风险情况来管理新鲜文档的推荐。对实验结果的深入评价和详细分析揭示了勘探/开采（exr/exp）行为的几个重要发现。
2014-09-29 cs.IR cs.LG
Optimizing generalized Gini indices for fairness in rankings
Meta AI Research（元人工智能研究院）；LAMSADE, Université Paris Dauphine-PSL（巴黎多芬大学-PSL LAMSADE实验室）
人们越来越感兴趣的是设计推荐系统，旨在公平对待项目生产者或他们最不满意的用户。受经济学中不平等度量领域的启发，本文探讨了使用广义基尼福利函数（GGF）作为一种手段来指定推荐系统应该优化的规范标准。GGF根据个人在人口中的地位来衡量个人的权重，给予境况更差的个人更大的权重，以促进平等。根据这些权重，GGF最小化项目暴露的基尼指数，以促进项目之间的平等，或专注于最不满意的用户的特定分位数的性能。用于排名的GGF具有挑战性，因为它们是不可微的。我们解决这个挑战，利用工具，从非光滑优化和投影算子中使用的微分排序。我们使用真实数据集进行了实验，其中包含多达15k个用户和项目，这表明我们的方法在各种推荐任务和公平性标准上获得了比基线更好的权衡。
2023-03-28 cs.AI cs.CY cs.IR
Incentive-Aware Recommender Systems in Two-Sided Markets
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；Fudan University（复旦大学）；Ant Group（蚂蚁集团）；University of California, Berkeley（加利福尼亚大学伯克利分校）
针对双边市场中短视智能体只利用不探索的问题，提出激励相容的多智能体老虎机推荐框架，并在已知与未知机会成本下给出公平且渐近最优的算法。
2024-06-18 cs.IR cs.LG stat.ML
Optimizing Gross Merchandise Volume via DNN-MAB Dynamic Ranking Paradigm
Business Growth BU.（业务增长事业部）
随着人们从传统的“实体店”购物模式向web2.0 $\mathit{era}$中的在线移动购物模式的转变，推荐系统在电子商务和电子零售中起着至关重要的作用。当为超过$\mathbf{236~million}$的每日活跃用户设计此系统时，尤其如此。排名策略是推荐系统的关键模块，需要精确、准确、快速地估计用户的意图。我们提出了一个动态排名范例，命名为DNN-MAB，它由一个成对的深度神经网络（DNN）$\mathit{pre}$ -排名器连接一个修订的多臂强盗（MAB）动态$\mathit{post}$ -排名器组成。通过考虑显式和隐式的用户反馈，如印象，点击，转换等，DNN-MAB能够调整DNN $\mathit{pre}$排名分数，以帮助客户定位他们最感兴趣的项目，以便他们可以快速和频繁地收敛。据我们所知，像DNN-MAB这样的框架在以前的文献中没有向电子商务或机器学习受众进行过讨论。在实践中，DNN-MAB已经部署到生产中，它通过显着提高商品总量（GMV）（这是JD的客观指标），轻松优于其他最先进的模型。
2017-08-14 cs.AI cs.IR
A Comprehensive Review of Recommender Systems: Transitioning from Theory to Practice
Vector Institute（向量研究所）；Independent Researcher（独立研究者）
本综述系统梳理2017至2024年推荐系统从传统技术到深度学习、图模型、强化学习及大语言模型的演进，连接理论与实践，并探讨各行业挑战与未来方向。
2025-10-16 cs.AI cs.IR
Save, Revisit, Retain: A Scalable Framework for Enhancing User Retention in Large-Scale Recommender Systems
Pinterest（Pininterest）
本文提出了一种可扩展的框架，通过代理归因过程和事件聚合流水线，优化大规模推荐系统中的用户留存，提升活跃用户数量0.1%。
2025-11-22 cs.AI cs.IR cs.LG
Incentivized Exploration with Stochastic Covariates: A Two-Stage Mechanism Design for Recommender System
Meta Platforms Inc（Meta公司）；Department of Statistics and Data Science（统计学与数据科学系）；University of California, Los Angeles, CA（加州大学洛杉矶分校）
针对推荐系统中用户自利偏好下的探索-利用权衡问题，提出一种两阶段算法，通过激励相容的探索和逆比例间隙采样策略实现次线性遗憾并满足激励约束。
2026-05-25 cs.GT cs.IR cs.LG
An Unbiased Data Collection and Content Exploitation/Exploration Strategy for Personalization
Yahoo Research（雅虎研究院）；Yahoo Personalization Team（雅虎个性化团队）
个性化系统和推荐系统的任务之一是根据用户的个人兴趣显示内容项。为了实现这样的目标，这些系统随着时间的推移学习用户兴趣，并且尝试呈现针对用户简档定制的内容项。根据用户的偏好推荐商品在过去几年中得到了广泛的研究，这主要归功于Netflix竞争的流行。在真实环境中，用户可能会被这些项目的子集所吸引并与它们进行交互，只留下部分反馈给系统，以便在下一个周期中学习，这会导致系统出现重大偏差，从而导致用户参与度指标无法随着时间的推移而改善的情况。问题不仅仅是系统的一个组成部分。从用户收集的数据通常用于许多不同的任务，包括学习排名功能，构建用户简档和构建内容分类器。一旦数据出现偏差，所有这些下游用例也会受到影响。因此，通过用户交互收集无偏见的数据将是有益的。传统上，无偏的数据汇集是通过显示从内容池中均匀采样的项来完成的。然而，这种简单的方案是不可行的，因为它会危及用户参与度指标，并且需要很长时间来收集用户反馈。在本文中，我们介绍了一个用户友好的无偏数据汇集框架，利用开发和勘探文献中开发的方法。我们讨论的框架是如何不同于正常的多臂强盗问题，为什么需要这样的方法。为了有效地平衡用户体验和数据汇集，我们设计了一种新的伯努利排序列表的汤普森抽样。该方法是从一个真正的桶测试验证，我们表现出强大的结果相比，旧的算法
2016-04-12 cs.IR cs.LG
Breaking the Top-$K$ Barrier: Advancing Top-$K$ Ranking Metrics Optimization in Recommender Systems
Zhejiang University（浙江大学）；Beijing Technology and Business University（北京科技与商业大学）
针对推荐系统中 NDCG@$K$ 优化难题，提出 SoftmaxLoss@$K$ 损失，结合分位数技术处理 Top-$K$ 截断并推导平滑上界，实验显示平均提升 6.03%。
2025-08-04 cs.AI cs.IR cs.LG
DEAR: Deep Reinforcement Learning for Online Advertising Impression in Recommender Systems
Michigan State University（密歇根州立大学）；Bytedance（字节跳动）
随着最近强化学习（RL）的流行，在推荐平台（例如，电子商务和新闻馈送站点）。然而，大多数基于RL的广告算法专注于优化广告的收入，而忽略了广告对推荐项目（产品、文章和视频）的用户体验的可能负面影响。开发推荐中的最佳广告算法面临着巨大的挑战，因为插入广告不当或过于频繁可能会降低用户体验，而插入较少的广告将减少广告收入。因此，在本文中，我们提出了一种新的广告策略的rec/ads权衡。具体来说，我们开发了一个基于RL的框架，可以不断更新其广告策略，并从长远来看最大化回报。给定一个推荐列表，我们设计了一个新的Deep Q网络架构，可以联合确定三个内部相关的任务，即，(i)是否在推荐列表中插入广告，以及如果是，（ii）最佳广告和（iii）插入的最佳位置。基于真实数据的实验结果验证了该框架的有效性。
2021-05-05 cs.IR cs.LG
Where to Explore: A Reach and Cost-Aware Approach for Unbiased Data Collection in Recommender Systems
st Qiang Chen（第一作者）；nd Venkatesh Ganapati Hegde（第二作者）
本文提出一种兼顾覆盖与成本的无偏数据收集方法，通过优化内容展示位置，提升推荐系统长期质量的同时保持业务指标稳定。
2025-12-11 cs.IR cs.LG
Exploration in Interactive Personalized Music Recommendation: A Reinforcement Learning Approach
National University of Singapore（新加坡国立大学）；Institute of High Performance Computing, A*STAR（新加坡科技研究局高性能计算研究所）
当前的音乐推荐系统通常通过推荐具有最高用户评级的歌曲来以贪婪的方式起作用。然而，贪婪的推荐从长远来看是次优的：它不会主动收集用户偏好的信息，也不会推荐可能感兴趣的新颖歌曲。一个成功的推荐系统必须平衡探索用户偏好和利用这些信息进行推荐的需求。本文提出了一种新的音乐推荐方法，将这种探索-利用权衡公式化为一种称为多臂强盗的强化学习任务。为了学习用户偏好，它使用贝叶斯模型，该模型考虑了音频内容和推荐的新颖性。采用分段线性近似模型和变分推理算法来加快贝叶斯推理。我们的方法的另一个好处是音乐推荐和播放列表生成的单一统一模型。模拟结果和用户研究表明，新方法的强大潜力。
2013-11-06 cs.IR cs.LG cs.MM
Advancing Loss Functions in Recommender Systems: A Comparative Study with a Rényi Divergence-Based Solution
针对推荐系统中Softmax损失和余弦对比损失的局限，提出基于Rényi散度的DrRL损失函数，兼顾两者优势，提升推荐准确性与鲁棒性。
2025-06-18 cs.AI cs.IR cs.LG
Predictability of diffusion-based recommender systems
基于网络扩散的推荐方法已被证明在推荐准确性和多样性方面表现良好。现在，已经进行了许多扩展，以进一步提高这些方法的性能。然而，在何种程度上可以预测项目的扩散为基础的算法仍然缺乏了解。在这里，我们主要提出了一种方法来量化基于扩散的算法的可预测性。因此，我们在Movielens和Netflix数据集上进行实验。结果表明，通过优化密度网络上的资源分配方式，基于扩散算法的推荐仍能获得较高的推荐准确率。在稀疏网络上，由于基于扩散的方法的当前精度非常接近其可预测性，因此提高精度的可能性相对较低。在这种情况下，我们发现，可预测性可以显着提高多步扩散，特别是对用户的历史信息较少。与普遍的看法相反，有可能的情况下，更高的可预测性的扩散为基础的方法不对应于那些用户与更多的历史记录。因此，我们提出了扩散覆盖率和项目平均度来解释这一现象。此外，我们证明了在实际的在线系统中的推荐精度被高估的随机划分在文献中使用，建议在实际的在线系统中的推荐可能是一个更困难的任务。
2019-03-29 cs.CY cs.IR physics.soc-ph
Modeling User Exploration Saturation: When Recommender Systems Should Stop Pushing Novelty
University of Massachusetts Boston（马萨诸塞大学波士顿分校）；Kansas State University（堪萨斯州立大学）
研究探讨了用户依赖的探索饱和现象，分析了增加探索对不同推荐模型用户的影响，发现公平性驱动的探索存在边际效益递减，需调整推荐系统以平衡公平与用户体验。
2026-04-02 cs.AI cs.IR cs.LG
Optimizing Ranking Systems Online as Bandits
University of Amsterdam（阿姆斯特丹大学）；Ahold Delhaize（皇家阿霍德德尔海兹集团）；Microsoft（微软）
排序系统是现代检索和推荐系统的核心部分，其目标是根据用户上下文对候选项进行排序。在线优化排名系统意味着部署的系统可以服务于用户请求，例如，查询，并通过从用户交互中学习来优化排名策略，例如，次点击Bandit是一个通用的在线学习框架，可以用于我们的优化任务。然而，由于排名的独特性，在设计用于排名系统优化的强盗算法方面存在一些挑战。在这篇论文中，我们研究并提出了四个挑战的解决方案，在优化排名系统在线：有效性，安全性，非平稳性和多样化。首先，有效性与算法从交互中学习的速度有关。本文研究了有效的在线排名评估任务，提出了一种有效的在线排名评估算法。其次，部署的算法应该是安全的，这意味着算法只显示用户请求的合理内容。为了解决安全的在线学习排名问题，我们提出了BubbleRank算法。第三，当用户不断改变他们的偏好时，算法应该处理非平稳性。我们制定这个非平稳在线学习排名问题级联非平稳土匪，并提出CascadeDUCB和CascadeSWUCB算法来解决这个问题。最后，排行榜的内容应该是多样的。我们认为结果多样化的任务，并提出了CascadeHybird算法，同时考虑项目的相关性和结果多样化时，从用户交互学习。
2021-10-12 cs.IR cs.LG
