上下文匪徒方法：算法1 LinUCB与不相交的线性模型

Question

我正在尝试从本文“个性化新闻文章推荐的情境盗贼方法” http://rob.schapire.net/papers/www10.pdf

中使用不相交的线性模型实现称为LinUCB的算法。

这是算法： Algorithm 1 LinUCB with disjoint linear models

我对特征向量Xt，a感到困惑（我在算法中强调了这一点）。 特征向量与文章（手臂）或用户的信息（上下文）有关吗？

感谢您的帮助。 谢谢

Answer 1

特征向量x_t，a既适用于用户，也适用于手臂。

  

向量xt，a总结了用户ut和手臂a的信息，   并称为上下文。

Answer 2

在最一般的情况下，特征向量 X_（t，a）被允许为两个用户上下文 c_t function >和手臂 a 或 X_（t，a）= phi（c_t，a）。请注意，这可能只是一个子集：每个手臂可能具有用于预测结果的不同功能，换句话说， X_（t，a）是 c_t 。

例如，如果电影推荐网站正在决定推荐哪部电影，则在尝试预测用户是否喜欢科幻电影还是戏剧电影时，他们可能需要来自用户的其他信息。这些不同的信息反映在以下事实上：允许功能随臂而变化。

或者，对于所有 a ， X_（t，a）可能都是相同的，即 X_（t，a）= X_t 。例如，当尝试学习最佳医疗剂量时，该算法可能希望了解所有患者的身高，体重和年龄。在这种情况下，功能不会随臂而变化。