zhaoru5200的博客

原创 Simulating User Feedback for Reinforcement Learning Based Recommendations

论文构建的模拟器所模拟的用户行为：skip，click，purchase 基于GAN的模拟器，以捕获用户浏览日志的复杂分布，并生成真实的日志，以丰富训练数据集。 其中， 带监督组件的生成器用来学习数据分布并生成和真实日志相当相似的难以区分的日志， 带有监督组件的判别器可以同时区分真实/生成的日志，并预测用户对推荐项目的反馈。 详细介绍模拟器中生成器和判别器的架构： 1、生成器的架构 目标：学习数据分布，基于用户的浏览历史生成用户反馈日志（对推荐的商品的动作 ，包括skip、click、purchase）