Optimizing Gross Merchandise Volume via DNN-MAB Dynamic Ranking Paradigm

一种基于深度神经网络和多臂老虎机的优化GMV的动态排序机制。步入 Web 2.0 时代以后，人们的购物方式从传统线下实物购买向线上、移动平台购买转变。推荐系统在这样的购物场景中，起到了十分重要的作用，很大程度上可以促进消费，从而增长网站的 GMV （在线成交额）。本文提出了一种动态排序模型，DNN-MAB，使得推荐系统的结果可以更为精准，对用户更为贴切。DNN-MAB 是一个排序模型，由 DNN 作为一个（前）排序部件，再由 MAB 完成动态修正（后）排序的工作，可以将显示反馈和隐式反馈都考虑进来。这一模型也在实际场景（京东）得到了应用。