用于从交互中学习的 Dirichlet–Luce 选择模型

基于摘要分析。本文研究推荐系统反馈循环中的用户偏好学习，提出贝叶斯选择模型 Dirichlet–Luce，将用户仅能从系统所展示的选项子集中作出选择这一条件纳入建模，并据此构建基于 Thompson sampling 的在线推荐 bandit 算法。 核心机制是广义 Dirichlet 分布与条件选择建模：系统根据用户此前的选择决定后续展示的选项子集，模型据此推断用户偏好。其研究重点不是一般序列状态建模，而是推荐曝光与选择反馈相互依赖时的偏好估计。作者称该模型支持高效推断，但摘要未给出具体推断步骤或计算复杂度。 作者报告，由该贝叶斯模型导出的在线推荐算法可取得较低遗憾，其衡量依据是推荐中所包含选项的内在吸引力。作者还称，整体方案可消除部分曝光偏差，包括热门、推广或初始偏好选项因过度曝光而被高估，以及展示不足的选项被低估。摘要未提供数据集、对照基线、遗憾数值或理论界，因而这些结论的适用条件、实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若交互式 BCI 的候选目标或辅助指令由系统自适应展示，且用户能够作出可辨识的选择，该模型或可用于研究展示策略引入的偏好估计偏差，而非直接用于 EEG 解码。可复用部分是条件选择建模与 Thompson sampling；需改造的是将神经解码误差和选择不确定性纳入反馈模型。低信噪比、跨被试差异及少量交互可能使解码错误被误认为真实偏好。一个可检验的小实验是在模拟选择任务中控制曝光不均与反馈噪声，对照不建模展示子集的偏好估计方法，检验偏好恢复误差及同一协议下的累计遗憾。已有 EEG 相关工作尚未检索确认，原推荐任务上的结论不构成 BCI 有效性证据。