論文の概要: DCM Bandits: Multiplayer Information Asymmetric Cascading Bandits for Multiple Clicks

• arxiv url: http://arxiv.org/abs/2608.11873v1
• Date: Wed, 12 Aug 2026 09:57:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.549514
• Title: DCM Bandits: Multiplayer Information Asymmetric Cascading Bandits for Multiple Clicks
• Title（参考訳）: DCMバンド:複数クリックのためのマルチプレイヤー情報非対称カスケードバンド
• Abstract要約: 依存クリックモデル(DCM)帯域幅をマルチプレイヤー情報非対称設定に拡張する。 我々は(1)行動における非対称性と(2)報酬について研究し、少なくとも1つの非対称性が存在する3つの設定に対してサブ線形後悔保証を与える。
• 参考スコア（独自算出の注目度）: 2.0811806471942185
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we extend the Dependent Click Model (DCM) Bandits to a multiplayer information-asymmetric setting, where multiple agents interact with a shared ranked list and may observe multiple clicks per session, introducing new challenges for selection strategies. We study asymmetry in (1) actions and (2) rewards, providing sublinear regret guarantees for three settings where at least one asymmetry is present. Establishing matching information-theoretic lower bounds for these settings is left as an open problem. We further show that for small termination probabilities, the termination ranking need not be known, improving on prior single-agent results. Experiments confirm that our algorithms perform well across asymmetric environments and highlight the critical role of feedback structure, specifically the distinction between full versus first-click feedback, in coordinating exploration and minimizing regret.
• Abstract（参考訳）: 本研究では,複数のエージェントが共有されたランキングリストと対話し,セッション毎に複数のクリックを観測し,選択戦略の新たな課題を提起するマルチプレイヤー情報非対称設定に依存クリックモデル(DCM)帯域を拡張する。 我々は(1)行動における非対称性と(2)報酬について研究し、少なくとも1つの非対称性が存在する3つの設定に対してサブ線形後悔保証を与える。 これらの設定に一致する情報理論の下限を確立することは、オープンな問題として残されている。 さらに, 終端確率が小さい場合には, 終端ランキングは知られなくてもよいことを示し, 先行する単一エージェントの結果を改善した。 実験により、我々のアルゴリズムは非対称な環境において良好に機能し、特に、完全なフィードバックとファーストクリックのフィードバックの区別において、フィードバック構造の重要な役割を強調します。

関連論文リスト

• Distributed Algorithms for Multi-Agent Multi-Armed Bandits with Collision [16.136111977594087]
  マルチプレイヤーマルチアーマッド・バンドイット(MMAB)問題について検討し、複数のプレイヤーが腕を選択して累積報酬を最大化する。 我々は,各プレイヤーが自身の行動と衝突フィードバックのみを観察できるような,中央調整のない分散環境を考える。 本稿では,適応的かつ効率的な通信プロトコルを用いた分散アルゴリズムを提案する。このアルゴリズムは,通信コストが$mathcalO(loglog T)$で,ほぼ最適なグループと個人の後悔を実現する。
  論文  参考訳（メタデータ） (2025-10-08T06:12:59Z)
• Multiplayer Information Asymmetric Contextual Bandits [0.0]
  そこで本稿では,非対称なコンテキスト帯域幅を持つ新しいマルチプレイヤー情報を提案する。 それぞれに複数のアクションセットがある。各ラウンドで同じコンテキストベクトルを観察し、自身のアクションセットからアクションを同時に取り、共同アクションを発生させる。 本研究では,両タイプの非対称性が存在する場合にも,同じ最適後悔を実現するために,探索テーマの原理に基づいて構築された新しいアルゴリズムのtexttETCを提案する。
  論文  参考訳（メタデータ） (2025-03-11T23:48:31Z)
• Bandits Meet Mechanism Design to Combat Clickbait in Online Recommendation [50.469872635246176]
  我々は,マルチアームバンディット問題の戦略的変種について検討し,これを戦略的クリックバンディット(Click-bandit)と呼ぶ。 このモデルは、推奨項目の選択がクリックスルー率とクリック後の報酬の両方に依存するオンラインレコメンデーションのアプリケーションによって動機付けられている。
  論文  参考訳（メタデータ） (2023-11-27T09:19:01Z)
• Meta-Learning Adversarial Bandit Algorithms [55.72892209124227]
  我々は,バンディットフィードバックを用いたオンラインメタラーニングについて研究する。 我々は自己協和障壁正規化器を用いてオンラインミラー降下一般化(OMD)をチューニングすることを学ぶ。
  論文  参考訳（メタデータ） (2023-07-05T13:52:10Z)
• Rethinking the Metric in Few-shot Learning: From an Adaptive Multi-Distance Perspective [30.30691830639013]
  距離の異なる指標の寄与について検討し,適応型融合方式を提案する。 アダプティブ・メトリックス・モジュール(AMM)に基づいて、AMMやグローバル・アダプティブ・ロス(GAL)を含む数発の分類フレームワークであるAMTNetを設計する。 実験では,提案したAMMは実測値の融合モジュールよりも2%高い性能を達成し,AMTNetは複数のベンチマークデータセットで最先端の性能を向上する。
  論文  参考訳（メタデータ） (2022-11-02T05:30:03Z)
• Meta-Learning Adversarial Bandits [49.094361442409785]
  本研究の目的は,複数のタスクにまたがる帯域幅フィードバックを用いてオンライン学習を学習し,タスク間の平均性能を改善することである。 敵対的設定を最初に対象とするメタアルゴリズムとして,マルチアーム・バンディット(MAB)とバンディット・最適化(BLO)の2つの重要なケースに対して,特定の保証を設定するメタアルゴリズムを設計する。 我々の保証は、非正規化されたフォローザリーダーと乗法重みを組み合わせることで、オンラインで非滑らかで非Bシーケンスを学ぶのに十分であることを示すことに依存しています。
  論文  参考訳（メタデータ） (2022-05-27T17:40:32Z)
• Hybrid Relation Guided Set Matching for Few-shot Action Recognition [51.3308583226322]
  本稿では,2つの鍵成分を組み込んだHybrid Relation Guided Set Matching (HyRSM) 手法を提案する。 ハイブリッドリレーションモジュールの目的は、エピソード内の関連関係とクロスビデオの完全活用により、タスク固有の埋め込みを学習することである。 我々は,HyRSMを6つの挑戦的ベンチマークで評価した。
  論文  参考訳（メタデータ） (2022-04-28T11:43:41Z)
• Learning over No-Preferred and Preferred Sequence of Items for Robust Recommendation (Extended Abstract) [69.50145858681951]
  本稿では,暗黙のフィードバックよりも大規模レコメンダシステム(RS)を訓練するための理論的に支持された逐次戦略を提案する。 本稿では,モーメント法と勾配法のいずれかを用いてモデルパラメータを更新する手法を提案する。
  論文  参考訳（メタデータ） (2022-02-26T22:29:43Z)
• Online Learning for Cooperative Multi-Player Multi-Armed Bandits [7.527034429851578]
  複数の協力者によるマルチアームバンディット(MAB)のための分散オンライン学習フレームワークを提案する。 各ラウンドのプレイヤーが獲得した報酬は、すべてのプレイヤーが獲得した行動に依存する。 プレイヤーの行動が観察できない場合の行動情報非対称性と、他のプレイヤーの行動が観測可能であるが、受信された報酬が同一分布のIDである場合の報酬情報非対称性とを考察する。
  論文  参考訳（メタデータ） (2021-09-07T18:18:58Z)
• Learning over no-Preferred and Preferred Sequence of items for Robust Recommendation [66.8722561224499]
  暗黙のフィードバックよりも大規模なレコメンダーシステム(RS)を訓練するための理論的に確立されたシーケンシャル戦略を提案する。 本稿では、モデルパラメータをモメンタリメソッドまたはグラデーションベースのアプローチで更新するこの戦略の2つのバリエーションを紹介します。
  論文  参考訳（メタデータ） (2020-12-12T22:10:15Z)

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。