🟣 Nouveau papier publié dans Transactions on Machine Learning Research! 👉 Cet article est le fruit d’une collaboration entre Sébastien Gerchinovitz (du programme DEEL France-Québec, de l'axe Technologies Intelligentes (TI) à l'IRT Saint Exupéry et l'Institut de Mathématiques de Toulouse) et trois chercheurs toulousains et parisiens. 👉 Ils ont étudié un problème de recommandation automatique séquentiel (problèmes de bandits) où les recommandations sont contraintes à ne pas être polarisées sur une même décision au cours du temps. Dans ce cadre, une analyse a été réalisée sur les performances optimales atteignables par un algorithme en fonction du temps. 👉 Pour lire le papier : https://lnkd.in/dQbXP_c8 Hédi Hadiji, Sébastien Gerchinovitz, Jean Michel Loubes, and Gilles Stoltz. Diversity-Preserving K--Armed Bandits, Revisited. Transactions on Machine Learning Research, July 2024.
