
Bandit Algorithms in Information Retrieval
Diese Monographie bietet einen Überblick über Bandit-Algorithmen, die von verschiedenen Aspekten des Information Retrieval (IR) inspiriert sind, wie z.B. Click-Modelle, Online-Ranker-Evaluierung, Personalisierung oder das Cold-Start-Problem. Im Stil einer Übersicht konzentriert sich jedes Kapitel auf ein spezifisches IR-Problem und erläutert, wie es mit verschiedenen Bandit-Ansätzen angegangen wurde. Innerhalb jedes Abschnitts werden alle Algorithmen in chronologischer Reihenfolge vorgestellt.
Die Monographie zeigt, wie spezifische Konzepte mit Bandit-Algorithmen zusammenhängen. Dieser umfassende, chronologische Ansatz ermöglicht es dem Autor, sowohl den Einfluss des IR auf die Entwicklung neuer Bandit-Algorithmen als auch den Einfluss von Bandit-Algorithmen auf die Entwicklung neuer Methoden im IR zu erklären.
Der Überblick richtet sich in erster Linie an zwei Gruppen von Lesern: Forscher im Bereich Information Retrieval oder maschinelles Lernen und praktizierende Datenwissenschaftler. Sie ist für jeden zugänglich, der Einführungs- bis Mittelstufenkurse in maschinellem Lernen und/oder Statistik absolviert hat.