本文介绍了强化学习在推荐算法中的应用，特别是DQN（深度Q学习）在List-wise推荐系统中的实践。文章列举了京东的几篇相关研究，包括如何构建在线环境仿真器、考虑负反馈和商品偏序关系的DQN模型、优化长期用户参与度的RL模型以及基于GAN的RL推荐系统模拟环境。这些研究旨在解决大规模状态和动作空间、稀疏样本等问题，提高推荐系统的性能和用户体验。
一. 京东在强化学习的几篇文章
- Deep Reinforcement Learning for List-wise Recommendations
本文将推荐的过程定义为一个序列决策的问题，通过Actor-Critic算法来进行 List-wise 的推荐。
模型结构：Actor-Critic
主要贡献：
- 构建了一个线上环境仿真器，用于输出从未出现过的状态动作对的奖励，然后可线下对Actor-Critic网络参数进行训练。
- 构建了基于强化学习的List-wise推荐系统。
2. Recommendations with Negative Feedback via Pairwise Deep Reinforcement Learning
主要创新点：考虑负反馈以及商品的偏序关系，并将这种偏序关系建模到DQN的loss函数中。
若一个商品能够找到其偏序关系（两个商品必须是同一类别，用户反馈不同，推荐时间要相近）的物品，此时模型即希望预估的Q值和实际的Q值相近，同时又希望有偏序关系的两个商品的Q值差距越大越好。
框架：
最低0.47元/天 解锁文章
扫一扫
713
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
