QD-Rec: evoluzione aperta delle raccomandazioni attraverso qualità e diversità

Abstract degli autori

La ricerca aperta, combinata con i modelli fondazionali, ha prodotto progressi come algoritmi più veloci, nuovi risultati su problemi matematici aperti e agenti capaci di migliorare autonomamente. Estendiamo questo paradigma alle raccomandazioni a supporto delle decisioni, concentrandoci sui casi in cui l’insieme delle scelte possibili è fisso, ma i motivi per sceglierle non lo sono. Nelle decisioni ad alta posta, per esempio quale azienda acquisire o a quale cliente rivolgersi, confrontare opzioni diverse e ben motivate può essere più utile di un’unica lista ordinata. Formalizziamo la raccomandazione aperta come la costruzione di un insieme diversificato di raccomandazioni di alta qualità, ciascuna composta da un elemento e da un’ipotesi: una motivazione in linguaggio naturale che spiega perché l’elemento risponde alle esigenze di chi deve decidere. Proponiamo QD-Rec, un metodo basato su qualità e diversità che seleziona gli elementi mediante un bandit contestuale e genera ipotesi con un modello fondazionale a partire da ipotesi precedenti, conservate in un archivio come punti di partenza. Una nuova raccomandazione entra nell’archivio se è nuova o migliore di quella che le è più vicina. Nei campi delle operazioni di M&A, dell’individuazione dei clienti a cui rivolgersi e della raccomandazione di articoli scientifici e libri, QD-Rec ottiene la qualità media più elevata e costruisce l’archivio più grande nella maggior parte delle configurazioni.