Youtube的value-based强化学习推荐系统

嘿，记得给“机器学习与推荐算法”添加星标

---

| 作者：阳光明媚

| 单位：华东师范大学

| 研究方向：推荐系统、强化学习

本文介绍Youtube在2019年放出的两篇强化学习推荐系统中基于value-based的一篇，论文标题：SLATEQ: A Tractable Decomposition for Reinforcement Learning with Recommendation Sets (IJCAI 2019)

原文地址：

https://arxiv.org/pdf/1905.12767.pdf

https://www.ijcai.org/Proceedings/2019/0360.pdf

强化学习推荐系统快速入门

强化学习算法可以大体分为value-based和policy-based，value-based方法在训练阶段的学习目标是学到一个 函数，知道当前状态 和动作 之后，这个函数可以输出 状态下 这个动作所能带来的期望的长期价值，记为Q值，或者状态动作值函数；在决策阶段，在一个新的状态 下，我们可以根据训练好的 函数，尝试可选动作集合 中的每一个动作 ，最终采取Q值最大的动作，这样就可以带来最大的长期收益。本文主要讨论value-based的强化学习推荐系统。

在每次采取动作