ترجمه فارسی مقاله یادگیری تقویتی عمیق چندعاملی مشارکتی در بهینهسازی رتبهبندی محتوا
| عنوان مقاله به انگلیسی | Cooperative Multi-Agent Deep Reinforcement Learning in Content Ranking Optimization |
| عنوان مقاله به فارسی | یادگیری تقویتی عمیق چندعاملی مشارکتی در بهینهسازی رتبهبندی محتوا |
| نویسندگان | Zhou Qin, Kai Yuan, Pratik Lahiri, Wenyang Liu |
| فرمت مقاله انگلیسی | |
| تعداد صفحات | 14 |
| دسته بندی موضوعات | Machine Learning,یادگیری ماشین , |
| توضیحات | Submitted 8 August, 2024; originally announced August 2024. , Comments: 14 pages , MSC Class: 68T07 |
| توضیحات به فارسی | ارسال شده در 8 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 14 صفحه ، کلاس MSC: 68T07 |
قیمت: 19,000 تومان
سفارش
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش میدهید.
قیمت: 560,000 تومان
زمان تحویل: 2 تا 3 روز کاری
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
چکیده
In a typical e-commerce setting, Content Ranking Optimization (CRO) mechanisms are employed to surface content on the search page to fulfill customers' shopping missions. CRO commonly utilizes models such as contextual deep bandits model to independently rank content at different positions, e.g., one optimizer dedicated to organic search results and another to sponsored results. However, this regional optimization approach does not necessarily translate to whole page optimization, e.g., maximizing revenue at the top of the page may inadvertently diminish the revenue of lower positions. In this paper, we propose a reinforcement learning based method for whole page ranking to jointly optimize across all positions by: 1) shifting from position level optimization to whole page level optimization to achieve an overall optimized ranking; 2) applying reinforcement learning to optimize for the cumulative rewards instead of the instant reward. We formulate page level CRO as a cooperative Multi-agent Markov Decision Process , and address it with the novel Multi-Agent Deep Deterministic Policy Gradient (MADDPG) model. MADDPG supports a flexible and scalable joint optimization framework by adopting a "centralized training and decentralized execution" approach. Extensive experiments demonstrate that MADDPG scales to a 2.5 billion action space in the public Mujoco environment, and outperforms the deep bandits modeling by 25.7% on the offline CRO data set from a leading e-commerce company. We foresee that this novel multi-agent optimization is applicable to similar joint optimization problems in the field of information retrieval.
چکیده به فارسی (ترجمه ماشینی)
در یک تنظیم معمولی تجارت الکترونیکی ، مکانیسم های بهینه سازی رتبه بندی محتوا (CRO) برای انجام مأموریت های خرید مشتریان برای محتوای سطح در صفحه جستجو استفاده می شود.CRO معمولاً از مدلهایی مانند مدل راهزنان عمیق متنی استفاده می کند تا به طور مستقل محتوا را در موقعیت های مختلف رتبه بندی کند ، به عنوان مثال ، یک بهینه ساز اختصاص داده شده به نتایج جستجوی ارگانیک و دیگری به نتایج حامی.با این حال ، این رویکرد بهینه سازی منطقه ای لزوماً به بهینه سازی کل صفحه ترجمه نمی شود ، به عنوان مثال ، به حداکثر رساندن درآمد در بالای صفحه ممکن است سهواً درآمد موقعیت های پایین را کاهش دهد.در این مقاله ، ما یک روش مبتنی بر یادگیری تقویت را برای رتبه بندی کل صفحه پیشنهاد می کنیم تا به طور مشترک در تمام موقعیت ها بهینه سازی شود: 1) تغییر از بهینه سازی سطح موقعیت به بهینه سازی سطح صفحه برای دستیابی به یک رتبه بندی بهینه کلی.2) استفاده از یادگیری تقویت برای بهینه سازی پاداش های تجمعی به جای پاداش فوری.ما سطح صفحه CRO را به عنوان یک فرآیند تصمیم گیری چند جانبه Markov Markov تدوین می کنیم و آن را با مدل شیب سیاست تعیین کننده عمیق چند عامل (MADDPG) جدید می پردازیم.MADDPG با اتخاذ یک رویکرد "آموزش متمرکز و اجرای غیرمتمرکز" از یک چارچوب بهینه سازی مشترک انعطاف پذیر و مقیاس پذیر پشتیبانی می کند.آزمایش های گسترده نشان می دهد که MADDPG به یک فضای اقدام 2.5 میلیارد در محیط عمومی Mujoco می پردازد و از مدل سازی راهزنان عمیق 25.7 ٪ در داده های CRO آفلاین از یک شرکت پیشرو تجارت الکترونیکی بهتر عمل می کند.ما پیش بینی می کنیم که این بهینه سازی چند عامل جدید برای مشکلات بهینه سازی مشترک مشابه در زمینه بازیابی اطلاعات قابل استفاده است.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.