DQN-TC搭建整理

算法伪代码：

M：训练模型时遍历训练集的次数

N：训练集中类别的数量

s[t] = [ x[1] ,a[1],x[2],a[2],x[3],a[3],...,a[t-1], x[t] ]

当前的文本是当前episode的最后一个的时候r[j] = EG ，否则r[j] = 0 【EG：推文的期望增益】

N : 文本数量，G(t) ： 文本的增益

具体流程：

1、使用单层LSTM层作为编码器，用于生成文本的向量表示

2、强化学习中使用三层架构的神经网络来近似估计Q值

        2_1、第一层是一个单层的LSTM层，用于生成输入的文本序列的高层抽象表示。在该估计函数中，激活函数是sigmoid。输入：X = [x[1],x[2],...,x[m]]，隐藏层为 H = [h[1],h[2],...,h[m]]，输出： h[m]

        2_2、第二层为全连接层&#