Fugu-MT 論文翻訳(概要): Diversified Multinomial Logit Contextual Bandits

論文の概要: Diversified Multinomial Logit Contextual Bandits

arxiv url: http://arxiv.org/abs/2607.11684v1
Date: Mon, 13 Jul 2026 15:21:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-14 17:47:21.52697
Title: Diversified Multinomial Logit Contextual Bandits
Title（参考訳）: 多様化された多項ロジト文脈帯域
Authors: Heesang Ann, Taehyun Hwang, Min-hwan Oh,
Abstract要約: 既存のコンテキスト多重項ロジット(MNL)は、関連性駆動の選択をモデル化するが、構成内多様性の潜在的な利点を無視する。このギャップを$textitdiversified multinomial logit$ (DMNL) contextual banditで埋める。私たちは、$textttOFU-DMNL$が少なくとも$(frac1e+1)$-$textitapproximate$ regret bound $tildeOleft(d sqrtT/K
参考スコア（独自算出の注目度）: 34.403840521131606
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Existing contextual multinomial logit (MNL) bandits model relevance-driven choice but ignore the potential benefits of within-assortment diversity, while submodular/combinatorial bandits encode diversity in rewards but lack structured choice probabilities. We bridge this gap with the $\textit{diversified multinomial logit}$ (DMNL) contextual bandit, which augments MNL choice probabilities with a generally submodular diversity function, thereby formalizing the relevance--diversity trade-off within a single model. Incorporating diversity renders exact MNL assortment optimization intractable. We propose a $\textit{white-box}$ UCB-based algorithm, $\texttt{OFU-DMNL}$, that constructs assortments item-wise by maximizing optimistic marginal gains, avoids black-box optimization oracles. We show that $\texttt{OFU-DMNL}$ achieves at least a $(1-\frac{1}{e+1})$-$\textit{approximate}$ regret bound $\tilde{O}\left(d \sqrt{T/K}\right)$, where $d$ is the context dimension, $K$ the maximum assortment size, and $T$ the horizon, and attains an improved approximation factor over standard submodular baselines. Experiments demonstrate consistent gains and, relative to exhaustive enumeration, comparable regret with substantially lower runtime. Overall, DMNL bandits provide a practical foundation for diversity-aware assortment optimization under uncertainty, and $\texttt{OFU-DMNL}$ offers a statistically and computationally efficient solution.
Abstract（参考訳）: 既存の文脈多重項ロジット(MNL)ブレイビットは関連性駆動の選択をモデル化するが、アソート内多様性の潜在的な利点は無視するが、サブモジュール/組合せブレイビットは報酬の多様性を符号化するが、構造的選択確率は欠如している。我々は、このギャップを$\textit{diversified multinomial logit}$ (DMNL) contextual banditで埋める。これは、MNL選択確率を一般に部分モジュラー多様性関数で増大させ、単一のモデルにおける関連性-多様性トレードオフを形式化する。多様性を組み込んだMNLアソート最適化は、難解である。我々は、楽観的なマージンゲインを最大化し、ブラックボックス最適化のオーラクルを避けることで、アイテムワイズを構成する、$\textit{white-box}$ UCB-based algorithm, $\texttt{OFU-DMNL}$を提案する。我々は、$\texttt{OFU-DMNL}$が少なくとも$(1-\frac{1}{e+1})$-$\textit{approximate}$ regret bound $\tilde{O}\left(d \sqrt{T/K}\right)$であることを示す。実験は、一貫した利得を示し、徹底的な列挙と比較して、ほぼ少ないランタイムで同等の後悔を示す。 DMNLの帯域幅は、不確実性の下で多様性を意識したアソシエーション最適化の実践的な基盤を提供し、$\texttt{OFU-DMNL}$は統計的かつ計算的に効率的なソリューションを提供する。

関連論文リスト

Optimal Design for Multinomial Logit Model with Applications to Best Assortment Identification [39.805192541498634]
マルチノミアルロジット(MNL)バンドの最適設計について検討した。線型あるいは一般化された線形帯域とは異なり、MNLバンドは非線形作用空間を持つ。我々は,MNLの盗賊を識別する最善のアルゴリズムを開発した。
論文参考訳（メタデータ） (2026-05-25T08:41:56Z)
Minimax Optimal Variance-Aware Regret Bounds for Multinomial Logistic MDPs [56.28491566735463]
既存のマルコフ決定過程のアルゴリズムは、$smashtildeO(dH2sqrtT)$を後悔する。本稿では,最悪の場合において既存の境界を復元し,構造化されたMDPに対して改善する,$smashtildeO(dH2bar_TsqrtT)$の後悔を実現するアルゴリズムを提案する。
論文参考訳（メタデータ） (2026-05-19T12:39:32Z)
Multinoulli Extension: A Lossless Continuous Relaxation for Partition-Constrained Subset Selection [60.07018090570548]
我々はパラメータフリーで、歪んだ局所探索法と同じ近似保証を実現できるMultinoulliSCGという新しいアルゴリズムを導入する。また、分割制約に関する未探索オンラインサブセット選択問題に対して、Multinoulli-CGとMultinoulli-GAGAという2つの新しいオンラインアルゴリズムを提案する。
論文参考訳（メタデータ） (2026-03-23T02:30:01Z)
Nearly Minimax Optimal Regret for Multinomial Logistic Bandit [39.805192541498634]
本研究では,学習エージェントが文脈情報に基づいて順にアソシエーションを選択する,文脈多項ロジット(MNL)バンディット問題について検討する。左下肢と左上肢の間には有意な差がみられ,特に最大配置サイズは有意な差がみられた。我々は,一様報酬の下で,$tildeO(dsqrtT/K)$と一致する上限を実現する定数時間アルゴリズム OFU-MNL+を提案する。
論文参考訳（メタデータ） (2024-05-16T06:07:31Z)
Combinatorial Stochastic-Greedy Bandit [79.1700188160944]
我々は,選択した$n$のアームセットのジョイント報酬以外の余分な情報が観測されない場合に,マルチアームのバンディット問題に対する新規グリーディ・バンディット(SGB)アルゴリズムを提案する。 SGBは最適化された拡張型コミットアプローチを採用しており、ベースアームの大きなセットを持つシナリオ用に特別に設計されている。
論文参考訳（メタデータ） (2023-12-13T11:08:25Z)
Contextual Combinatorial Bandits with Probabilistically Triggered Arms [55.9237004478033]
確率的に誘発される腕(C$2$MAB-T)を様々な滑らかさ条件下で検討した。トリガー変調 (TPM) 条件の下では、C$2$-UC-Tアルゴリズムを考案し、後悔すべき$tildeO(dsqrtT)$を導出する。
論文参考訳（メタデータ） (2023-03-30T02:51:00Z)
Best Policy Identification in Linear MDPs [70.57916977441262]
縮退した線形マルコフ+デルタ決定における最適同定問題について, 生成モデルに基づく固定信頼度設定における検討を行った。複雑な非最適化プログラムの解としての下位境界は、そのようなアルゴリズムを考案する出発点として用いられる。
論文参考訳（メタデータ） (2022-08-11T04:12:50Z)
Fine-Grained Gap-Dependent Bounds for Tabular MDPs via Adaptive Multi-Step Bootstrap [84.66885506098724]
本稿では,アダプティブ・マルチステップ・ブートストラップ (AMB) を用いた表層有限水平マルコフ決定過程 (MDP) のモデルフリーアルゴリズムを提案する。 AMBは,部分最適ギャップの逆の和でのみスケールする,ギャップ依存的後悔境界を達成できることを示す。また、AMB は $frac|Z_mul|Delta_min$ regret という追加の $frac|Z_mul|Delta_min$ を被っていることも示しています。
論文参考訳（メタデータ） (2021-02-09T07:46:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。