Reinforcement Learning steigert E‑Commerce‑Empfehlungen trotz Zeitlimits

Ein neues Position Paper auf arXiv (ID 2512.13726v1) zeigt, wie Reinforcement‑Learning‑Algorithmen die Herausforderung von begrenzten Nutzer‑Zeitbudgets in E‑Commerce‑Empfehlungen meistern können. Im Gegensatz zu klassischen Empfehlungssystemen, die nur die Relevanz von Produkten optimieren, berücksichtigen die vorgestellten Modelle auch die Zeit, die ein Nutzer benötigt, um ein Produkt zu bewerten. In einer mobilen Shopping‑Umgebung bedeutet jeder Scroll‑Aufruf ein „Slate“ aus mehreren Artikeln, wobei die Bewertung jedes Artikels Zeit kostet. Hochrelevante Produkte können dabei einen hohen Bewertungsaufwand haben und somit das Zeitbudget des Nutzers sprengen.

Die Autoren evaluieren mehrere Reinforcement‑Learning‑Strategien, die gleichzeitig Muster in den Nutzerpräferenzen und deren Zeitbudgets lernen. Ziel ist es, Empfehlungen zu generieren, die unter diesen Ressourcenbeschränkungen die höchste Engagement‑Wahrscheinlichkeit erzielen. Für die Experimente wird das Alibaba‑Personalized Re‑Ranking‑Dataset verwendet, das speziell für die Optimierung von Slates im E‑Commerce konzipiert ist.

Die wichtigsten Beiträge des Papers sind drei‑fold: Erstens wird ein einheitliches Modell für zeitbeschränkte Slate‑Empfehlungen als Markov‑Entscheidungsprozess (MDP) mit budget‑sensiblen Nutzenfunktionen vorgestellt. Zweitens wird ein Simulations‑Framework präsentiert, das das Verhalten von Empfehlungs­strategien auf Re‑Ranking‑Daten untersucht. Drittens liefern die empirischen Ergebnisse Belege dafür, dass sowohl on‑policy als auch off‑policy Kontrollmethoden die Leistung unter engen Zeitbudgets deutlich über traditionellen Contextual‑Bandit‑Ansätzen hinaus verbessern.