本文探讨了设计推荐模型时的关键要素，包括利用用户历史记录作为输入，选择输出类别（价格回归或物品类别表示），以及使用actor-critic强化框架来生成推荐和评估效果。讨论了critic在模拟流中的动作来源问题。
设计推荐模型的要素：
1.可获取的输入
2.明确输出
首先第一点，用户的历史记录可用作输入，只需将不同长度的用户浏览记录处理成相同大小的数据。
第二点，输出类别表示、价格表示还是物品表示？考虑先输出物品价格作为实验，因为价格可处理为回归单值，简单。
若输出物品类别表示，则需要1600多个类别表示，也可将类别处理为emb，可进一步降低输出维度和训练难度，同样物品也是。
模型实现：
采用较为成熟的actor-critic强化框架，将推荐模型作为actor，用来生成推荐结果，设计critic计算动作的长期收益，此处有一个问题，就是在模拟流中，critic 的动作是actor产生还是真实日志的动作？
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
