Core Concepts
실용적이고 효율적인 알고리즘을 통해 No-Choice에 의존하지 않고 Assortment Optimization 문제를 해결합니다.
Abstract
사용자 선택 모델에 대한 PL 모델을 사용한 Assortment Optimization 문제를 다룸
No-Choice 항목에 대한 강력한 기본 가정 없이 효과적인 알고리즘 설계
'Rank-Breaking' 기술을 활용하여 PL 모델의 점수 매개변수 추정에 대한 엄격한 집중 보증 제공
실용적이고 최적화된 알고리즘 제안
기존 방법의 비현실적인 가정 없음
실험 결과를 통해 알고리즘의 성능을 입증
Stats
"우수-m-AOA: 가장 간단한 목표는 상위-m 항목 집합을 식별하는 것입니다."
"Wtd-Top-m-AOA: 보다 일반적인 목표는 각 항목이 가중치(또는 가격)와 관련되어 있을 수 있으며 최대 가중치 유틸리티를 식별하는 것입니다."
"우수-m-AOA: ΘS∗ - ΘSt/m"
"Wtd-Top-m-AOA: R(S∗, θ) - R(St, θ)"
"θucb i,t = pucb i0,t/(1 - pucb i0,t) +"
Quotes
"우수-m 항목 집합을 식별하는 것은 가장 간단한 목표일 수 있습니다."
"우리의 알고리즘은 실용적이며, 기존 방법의 부적절한 실천을 피합니다."