Reinforcement learning based recommender systems: A survey基于强化学习的推荐系统：综述

【论文标题】Reinforcement learning based recommender systems: A survey基于强化学习的推荐系统：综述

【作者团队】M. Mehdi Afsar, Trafford Crump, Behrouz Far，University of Calgary

【发表时间】2021-01-15

【论文链接】https://arxiv.org/abs/2101.06286

【推荐理由】推荐系统（RS）成为我们日常生活中不可分割的一部分。他们帮助我们找到了我们最喜欢的商品，社交网络上的朋友以及我们喜欢的电影。传统上，推荐问题被视为简单的分类或预测问题。但是，已显示推荐问题的顺序性质。因此，可以将其公式化为马尔可夫决策过程（MDP），并可以采用强化学习（RL）方法来解决它。实际上，将深度学习与传统RL方法（即深度强化学习（DRL））相结合的最新进展使得将RL应用于具有大量状态和动作空间的推荐问题成为可能。在本文中，对基于强化学习的推荐系统（RLRS）进行了调查。我们首先认识到为RLRS开发的算法通常可以分为基于RL和DRL的方法。然后，我们基于特定的RL算法（例如Q学习，SARSA和REINFORCE）以分类的方式介绍这些基于RL和DRL的方法，这些方法用于优化推荐策略。此外，还提供了一些表格，其中包含有关这些方法的MDP公式及其评估方案的详细信息。最后，我们讨论了将来可以解决的重要方面和挑战。用于优化推荐政策。此外，还提供了一些表格，其中包含有关这些方法的MDP公式及其评估方案的详细信息。最后，文章讨论了将来可以解决的重要方面和挑战。

内容中包含的图片若涉及版权问题，请及时与我们联系删除