注意力的代价：最大化收入的产品排名 当客户的注意力有限时，在线零售商应该如何对产品进行排名？陈、李和杨通过扩展著名的级联模型，解决了这个经典问题，以考虑两个关键的现实因素：客户只查看随机数量的项目，并且公司的目标是最大化收入，而不仅仅是点击。这在流行的低价项目与风险较高的高价项目之间产生了艰难的权衡。作者提出了“Best-x”算法，这是一种寻找近似最优排名的有效方法。他们证明它可以确保至少获得1/e（约37%）的收入，即使是一个预先知道每位客户注意力的先知所能实现的收入。在产品吸引力和注意力分布未知的情况下，作者还设计了RankUCB在线学习算法，该算法通过客户互动学习个性化排名，并随着时间的推移实现近似最优的表现。
陈等（Mon，）研究了这个问题。