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&#