Optimizando de manera interactiva sistemas de recuperación de información como un problema de bandidos en duelo

Presentamos un marco de aprendizaje en línea adaptado para el aprendizaje en tiempo real a partir del comportamiento observado de los usuarios en motores de búsqueda y otros sistemas de recuperación de información. En particular, solo requerimos comparaciones por pares que se ha demostrado que se infieren de manera confiable a partir de retroalimentación implícita (Joachims et al., 2007; Radlinski et al., 2008b). Presentaremos un algoritmo con garantías teóricas así como resultados de simulación.