- 博客(15)
- 收藏
- 关注
RSS订阅原创 讲个故事3.0
每个元素代表的含义如下：user_active_degree（用户活跃程度）：0表示低度活跃 1表示中度活跃 2表示高度活跃is_live_streamer（是否为直播主播）：1表示是直播主播 0表示不是直播主播is_video_author（是否是视频作者）：1表示是视频作者 0表示不是视频作者。
2024-08-20 14:56:56
954
原创 《Alleviating Matthew Effect of Offline Reinforcement Learning Interactive Recommendation》笔记6.0
熵惩罚项不依赖于选择的动作，而只依赖于所处的状态。这意味着这种惩罚的效果将是间接的，并且考虑长期优化会惩罚导致较少多样状态的动作。因此，学习到的策略在离线数据中实现了反事实的探索，从而抵消了离线强化学习中的马太效应。
2024-06-27 10:12:06
214
原创 强化学习笔记
本文图片和内容部分引用于写Bug那些事该大佬博客，更为细致的讲解请查看该博客，链接如下：强化学习入门这一篇就够了！！！万字长文-CSDN博客state可以理解成状态(环境状态)。在YouTube中刷视频时，我们可以认为state是用户在面对视频时，用户的信息（如用户的观看历史和用户的年龄性别等）和当前视频的信息（如视频所属类别和视频的创作者等）等。state也可以简单理解为当前的画面（当然这并不准确但是方便理解）。用户面对该视频所做的动作就是action。假设用户会做4个动作：点赞、点击不喜欢、评论、和分享
2024-06-05 20:07:19
630
原创 《Alleviating Matthew Effect of Offline Reinforcement Learningin Interactive Recommendation》笔记5.0
预测得分计算：首先，通过计算用户u对物品i和物品j的预测得分来衡量用户对物品的偏好程度。预测得分是通过用户u的潜在因子向量和物品i、物品j的潜在因子向量之间的内积得到的，即score(u,i) = wu • hi和score(u,j) = wu • hj。由论文中对MCD的定义处的注释4知：主导类别要求覆盖训练集中80%的物品，在KuaiRand的46个类别中主导类别有13个，在KuaiRec的31个类别中主导类别有12个.表示用户u对物品i和物品j的偏好，其中，u对i的偏好大于u对j的偏好。
2024-05-29 21:21:45
610
原创 [成功解决]tensorflow.python.framework.errors_impl.FailedPreconditionError: logs is not a directory
本来我的总文件名称为：“”代码文件“”，一直报 logs is not a directory ，①后报错。②将代码文件的文件夹名称改为全英文并换了个盘（也是英文的）存放全部文件。①logs的路径改为绝对路径。②后不报错了，可以正常运行。
2024-04-21 10:27:49
606
1
原创 《Alleviating Matthew Effect of Offline Reinforcement Learningin Interactive Recommendation》笔记4.0（1）
从上至下，所示类别占据主导地位的强度逐渐下降，也就是说，类别28的主导性最强。也可以理解为，用户观看类别28的视频对最有利于获得更好的结果（比如对应的观看时长更长等）。最后，再次编译 ensemble_models （利用.compile_RL_test()方法）为其设置评估函数。继续获取真实环境env，环境任务类env_task_class(未返回)和其他参数kwargs_um。其中，loss_func的‘args’的具体为。以user_model的第一行为例，对 user_model 的解释。
2024-04-20 16:59:09
869
原创 《Alleviating Matthew Effect of Offline Reinforcement Learningin Interactive Recommendation》笔记4.0（2）
我们固定了参数 `b` 的值为 `5`，并将参数 `c` 的默认值设置为 `0`。这样，`add5` 函数就只需要一个参数 `a`，它会将 `a` 与 `5` 相加并返回结果。如果我们想要创建一个新的函数 `add5(x)`，它会将参数 `x` 与数字 `5` 相加，可以使用部分应用函数来实现。在提供的代码中，`functools.partial` 用于创建一个部分应用的函数 `save_model_fn`，其中固定了一部分参数，使得调用时只需要传递剩余的参数即可。代码正常运行至第4步学习策略。
2024-04-20 16:58:46
361
原创 《Alleviating Matthew Effect of Offline Reinforcement Learningin Interactive Recommendation》笔记3.0
目录一、论文解析（源于机器翻译）4.关于强化学习（Reinforcement Learning，RL）的基础知识4.1强化学习基础4.2基于模型的离线RL框架5. 方法5.1解决方案：推荐中基于模型的强化学习5.2马太效应5.3 解决方案：重新设计惩罚项5.4 DORL方法6. 实验6.1 实验设置6.1.1 推荐环境。6.1.2 基线。6.2 整体性能比较（RQ1）6.3 减轻马太效应的结果（RQ2）6.4 不同环境的结果（RQ3）7
2024-04-20 16:58:06
756
原创 《Alleviating Matthew Effect of Offline Reinforcement Learningin Interactive Recommendation》代码复现笔记2.0
生成了DeepFM文件夹，执行完成后在save_models的CoatEnv-v0环境文件夹下生成了DeepFM文件夹。生成了DeepFM文件夹，执行完成后在save_models的KuaiEnv-v0环境文件夹下生成了DeepFM文件夹。此博客和开头所提的链接为重现论文中的图7所进行的工作，该部分代码也在下图所示的文件中。生成了log文件，在KuaiEnv-v0下的A2C_with_emb的logs中。生成了BCQ文件夹，并将日志文件保存在了在文件夹下的logs文件夹中。运行DORL（论文中提出的方法）
2024-03-19 17:31:44
741
1
原创 《Alleviating Matthew Effect of Offline Reinforcement Learningin Interactive Recommendation》代码复现笔记
有些指令在执行时会先创建文件夹，以便存放后续生成的日志文件或者是其他文件，第1、2、3、4、5条和第6条指令都有创建文件夹的操作。此处的connect……（2）（3）（4）代表的是第一部分四条指令中的第几条指令。依旧因为设备问题（仅开了一个单个GPU的4090，很贵），此处在真正测试时使用的是。因为设备问题（仅开了一个单个GPU的4090，很贵），此处在真正测试时使用的是。下面分别是第1 2 3 4条指令执行完成后的截图以及其产生的文件。下面分别是第1 2 3 4条指令执行完成后的截图以及其产生的文件。
2024-03-19 17:31:40
594
原创 Inter校企合作 淡水质量预测
gamma=0,objective='binary:logistic', # 二元分类的逻辑回归，输出概率nthread=4,alpha=4,seed=27)本模型使用XGBoost，并使用随机网格搜索进行优化,经过10次训练 ,f1分数在0.94左右 ,准确性较高.通过使用Intel oneAPI组件中的daal4py进行加速,使得训练所需时间减少至40分钟以内.所需时间较短,准确性较高.
2024-02-26 19:40:30
531
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人