Lihong Li
収録論文 2本 ・ フィジカルAI/ロボット学習
強化学習推薦システム
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 二重ロバスト方策評価と学習強化学習2011/3/1
報酬モデルと過去方策モデルのどちらかが良好なら精度を保証する二重ロバスト手法を文脈付きバンディットの方策評価・最適化に適用し、分散低減と方策改善を実証した。
- 文脈付きバンディットによるニュース推薦アルゴリズムの偏りのないオフライン評価推薦システム2010/3/1
シミュレータを使わず、ログデータを再生するだけで文脈付きバンディット推薦アルゴリズムを偏りなくオフライン評価する手法を提案し、Yahoo!の実データで有効性を示した論文。
