【论文标题】A deep reinforcement learning based long-term recommender system基于深度强化学习的长期推荐系统

【作者团队】Liwei Huang, Mingsheng Fu, Fan Li, Hong Qu, Yangjun Liu, Wenyu Chen

【发表时间】2021-12-24

【论文链接】https://www.sciencedirect.com/science/article/pii/S0950705120308352

【推荐理由】推荐系统旨在最大程度地提高长期推荐的整体准确性。但是，大多数现有推荐模型都采用静态视图，而忽略了推荐是动态顺序决策过程的事实。结果，他们无法适应新情况并遭受冷启动问题的困扰。尽管顺序推荐方法最近已引起关注，但由于长期推荐的目的是针对短期预测情况而开发的，因此尚未明确解决长期推荐的目的。为了克服这些问题，我们提出了一种基于深度强化学习的新型top-N交互式推荐系统。在我们的模型中，推荐过程被视为马尔可夫决策过程（MDP），其中，代理（推荐系统）和环境（用户）之间的交互是通过递归神经网络（RNN）模拟的。另外，强化学习被用来优化建议的模型，以最大化长期推荐的准确性。基于多个基准的实验结果表明，对于长期推荐，我们的模型在命中率和NDCG方面明显优于以前的top-N方法，并且可以应用于冷启动和热启动场景。

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