Diversified Multinomial Logit Contextual Bandits
多样化多项Logit上下文Bandit算法
🧭 推荐多样性 · 上下文Bandit ★ 深度解读
Seoul National University
将多样性作为子模函数直接嵌入MNL选择概率，利用无黑箱oracle的UCB算法实现近似最优的集合推荐
📌 工作参考价值（4 点）
- 多样性直接参数化选择模型：不同于事后加权或规则注入，把多样性作为影响用户点击/购买概率的隐性参数，可借鉴到电商商品集合推荐、搜索结果的多样性建模中，用可学习的 λ 自动平衡相关性与多样性，避免人工调权。
- 项目式贪婪构造近似最优集合：用逐项边际增益最大化方式构造推荐集合（复杂度 O(NK)），并提供理论近似比 (1 − 1/(e+1))，可替代全枚举或黑箱优化，大幅降低在线推理计算开销。
- 在无项目级反馈下学习多样性：模型仅收到集合整体反馈（如点击或购买），无须每个位置或项目的边际奖励信号，这与推荐列表的线上观测场景一致，可利用 UCB 联合估计相关性和多样性参数，实现子线性后悔。
- 子模多样性函数的选用与 strict submodularity 条件：工程实现时可采用满足 strict submodularity 的多样性度量（如基于类目覆盖的指数衰减函数），以保证乐观奖励函数保持子模性，从而保证贪婪构造的逼近效果。