UniRank : un algorithme de bandit générique pour l'ordonnancement en ligne - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

UniRank : un algorithme de bandit générique pour l'ordonnancement en ligne

Résumé

Nous abordons, dans le cadre d'un bandit à multi-choix, le problème d'ordonnancement en ligne consistant à assigner $L$ éléments à $K$ positions prédéfinies sur une page web afin de maximiser le nombre de clics de l'utilisateur. Nous proposons un algorithme générique, UniRank, qui traite les modèles de clics de l'état de l'art. La borne sur le regret de cet algorithme est une conséquence directe de la propriété de pseudo-unimodalité de l'espérance de récompense vis-à-vis d'un graphe où chaque nœud est un ordre sur des ensembles d'éléments indiscernables. La principale contribution d'UniRank est son regret en ${\cal O}\left(L/\Delta \log T\right)$ pour $T$ affectations consécutives, où $\Delta$ mesure l'écart de récompense entre deux éléments. Cette limite de regret est basée sur la condition généralement implicite selon laquelle deux éléments peuvent ne pas avoir le même attrait. Des expériences contre des algorithmes de l'état de l'art, spécialisés ou non pour différents modèles de clics, montrent que notre méthode a de meilleures performances en matière de regret que d'autres algorithmes génériques sur deux ensembles de données réelles.
Fichier non déposé

Dates et versions

hal-03741036 , version 1 (02-08-2022)

Identifiants

  • HAL Id : hal-03741036 , version 1

Citer

Camille-Sovanneary Gauthier, Romaric Gaudel, Élisa Fromont. UniRank : un algorithme de bandit générique pour l'ordonnancement en ligne. CAP - RFIAP 2022 - Conférence française sur l'apprentissage machine - Reconnaissance de formes, Images, Apprentissage et Perception, Elisa Fromont et Nicolas Courty, Jul 2022, Vannes, France. ⟨hal-03741036⟩
31 Consultations
1 Téléchargements

Partager

Gmail Facebook X LinkedIn More