![68e24564377f2e8289547399328811ee.png](https://i-blog.csdnimg.cn/blog_migrate/fe626f7b31eae5472e757290e331cc91.jpeg)
这篇文章介绍发表在KDD 2019上的论文
Reinforcement Learning to Optimize Long-term User Engagement in Recommender Systemsarxiv.org文章主要解决优化用户长期参与度的问题。
大多数传统的推荐系统将目标集中在一些实时指标上,比如点击率和转化率。一个好的推荐不同不仅能够带来更好的点击率,而且还能保持用户的活跃度,让用户更多的使用系统,后者则是长期的有延迟的指标。Delayed metrics通常更复杂,比如在App上的停留时间、翻页的深度和连续两次使用的时间间隔。直接进行这些指标的优化是比较困难的,但是强化学习直观上可以很好的解决问题。但是直接应用强化学习也有很大的挑战,用户长期参与度是很复杂的,往往需要更多的环境交互才能很好的建模。但是从零开始进行环境交互又有很大的弊端,因为大量的探索往往会影响用户体验,造成恶劣的影响。一种解决方法是通过使用日志数据离线构建推荐系统,但是MC和TD方法各有局限性。MC会造成很大的方差,TD会有Deadly Triad问题(将值函数估计,bootstrapping和离线训练结合时的不稳定性和不熟练)。为了解决以上问题,论文提出FeedRec的框架,使用基于DQN的方法构建Q-Network学习值函数,并且提出了S-Network来模拟环境,更有效的利用日志数据来减轻Deadly Triad问题,通过两个网络的迭代训练完成整体的学习