0 引言

推薦系統(tǒng)[1]，作為大數(shù)據(jù)時(shí)代方便人們?cè)邶嫶蟮目蛇x項(xiàng)目中快速準(zhǔn)確定位到自己感興趣物品的工具，基本思想是通過(guò)構(gòu)建模型從用戶的歷史數(shù)據(jù)中提取用戶和物品的特征，利用訓(xùn)練好的模型對(duì)用戶有針對(duì)地推薦物品。

近年來(lái)隨著強(qiáng)化學(xué)習(xí)的快速發(fā)展，將強(qiáng)化學(xué)習(xí)應(yīng)用于推薦系統(tǒng)的研究越來(lái)越受到關(guān)注，首次將深度強(qiáng)化學(xué)習(xí)應(yīng)用于推薦系統(tǒng)的探索模型是DRN[2]，為深度強(qiáng)化學(xué)習(xí)在推薦系統(tǒng)中的應(yīng)用構(gòu)建了基本框架，圖1所示為基于深度強(qiáng)化學(xué)習(xí)的推薦系統(tǒng)框圖。

目前基于深度強(qiáng)化學(xué)習(xí)的推薦系統(tǒng)研究已有諸多研究成果，如童向榮[3]等人將DQN應(yīng)用于以社交網(wǎng)絡(luò)為基礎(chǔ)的信任推薦系統(tǒng)中，應(yīng)用于智能體學(xué)習(xí)用戶之間信任度的動(dòng)態(tài)表示，并基于這種信任值來(lái)為用戶做推薦；劉帥帥[4]將DDQN應(yīng)用于電影推薦中來(lái)解決推薦精確度低、速度慢以及冷啟動(dòng)等問(wèn)題；Munemasa[5]等人將DDPG算法應(yīng)用于店鋪推薦，來(lái)解決用戶數(shù)據(jù)稀疏問(wèn)題；Zhao[6]等人將Actor-Critic算法應(yīng)用于列表式推薦，來(lái)解決傳統(tǒng)推薦模型只能將推薦過(guò)程建模為靜態(tài)過(guò)程的問(wèn)題。上述研究成果以及未在此羅列的眾多研究均是利用強(qiáng)化學(xué)習(xí)本身的性質(zhì)來(lái)解決推薦問(wèn)題，很少?gòu)耐扑]角度出發(fā)考慮問(wèn)題。

本文詳細(xì)內(nèi)容請(qǐng)下載：http://m.xxav2194.com/resource/share/2000003846

作者信息：

洪志理，賴  俊，曹  雷，陳希亮

(陸軍工程大學(xué) 指揮控制工程學(xué)院，江蘇 南京210007)