[論文レビュー] Near-Optimal Policies for Dynamic Multinomial Logit Assortment Selection Models

Yining Wang, Xi Chen+1 more|arXiv (Cornell University)|Jan 1, 2018

Advanced Bandit Algorithms Research被引用数 13

ひとこと要約

本稿では、容量制約のない多項ロジット（MNL）モデルにおける動的アソートメント選択のための三等分法に基づくアルゴリズムを提案する。収益ポential関数を活用することで、アイテムに依存しないレグレットバウンド O(√(T log log T)) を達成する。この手法は、反復対数因子を除いて情報理論的下界に一致し、単峰性／凸バンドイットおよびミニマックスバンドイット問題における適応的信頼区間パラメータの技術を用いる。

ABSTRACT

In this paper we consider the dynamic assortment selection problem under an uncapacitated multinomial-logit (MNL) model. By carefully analyzing a revenue potential function, we show that a trisection based algorithm achieves an item-independent regret bound of O(sqrt(T log log T), which matches information theoretical lower bounds up to iterated logarithmic terms. Our proof technique draws tools from the unimodal/convex bandit literature as well as adaptive confidence parameters in minimax multi-armed bandit problems.

研究の動機と目的

• 顧客の好みによって確率的に順位付けられる製品選択を伴う、容量制約のない多項ロジット（MNL）モデルにおける動的アソートメント選択問題に取り組む。
• 特定のアイテムに依存しない、不確実性下での逐次意思決定において低レグレットを達成する方策を開発する。
• 既存のレグレットバウンドと情報理論的下界との差を埋めるために、アルゴリズム設計および解析手法の洗練を図る。
• 単峰性および凸バンドイットの文献からの知見を活用し、MNLに基づく動的アソートメント最適化におけるレグレット性能を向上させる。

提案手法

• アルゴリズムは、動的アソートメント選択プロセスにおける収益ポテンシャル関数の効率的探索と活用のため、三等分法に基づく探索戦略を用いる。
• ミニマックス多腕バンディット問題からのインspirationを得た適応的信頼区間パラメータを導入し、探索と活用のトレードオフを精緻化する。
• 顧客の好みパラメータの事前知識が不要な状態で、収益ポテンシャル関数の分析により最適なアソートメント構成を同定する。
• MNLモデルの収益ランドスケープの構造を扱うために、単峰性および凸バンドイットの文献からのツールを活用する。
• 観測されたフィードバックに基づいて自信区間を適応的に縮小することで、収束性およびレグレット性能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 動的アソートメント選択方策は、アソートメント内のアイテム数に依存しないレグレットバウンドを達成できるか？
• RQ2 逐次フィードバック下での容量制約のない MNL モデルにおいて、最適なレグレットバウンドは何か？
• RQ3 単峰性および凸バンドイットの技術は、MNLに基づくアソートメント最適化におけるレグレットを向上させるためにどのように適応可能か？
• RQ4 適応的信頼区間パラメータは、MNL モデルに適用されるミニマックスバンドイット的設定において、レグレットをどの程度低減できるか？

主な発見

• 提案された三等分法に基づくアルゴリズムは、容量制約のない MNL モデルにおける動的アソートメント選択に対して、アイテムに依存しないレグレットバウンド O(√(T log log T)) を達成する。
• このレグレットバウンドは、反復対数項を除いて情報理論的下界に一致しており、近似的に最適性を示している。
• この手法は、単峰性および凸バンドイットの文献からの知見を効果的に統合し、MNL収益関数の構造を適切に扱っている。
• 適応的信頼区間パラメータは、好みパラメータの事前知識が欠如する状況下でも、探索と活用のバランスを著しく向上させる。