江苏龙网

  1. 首页 > 生活 > >

强化学习在推荐，营销等场景下，有何典型方法

目前很多推荐算法的工作都在结合强化学习啊，这边总结下我看过的一些文章和work：
美团猜你喜欢：https://tech.meituan.com/2018/11/15/reinforcement-learning-in-mt-recommend-system.html 阿里：强化学习在淘宝锦囊推荐系统中的应用 阿里: Reinforcement Learning to Rank in E-Commerce Search Engine: Formalization, Analysis, and Application阿里电子书 ：《强化学习在阿里的技术演进与业务创新》京东：Deep Reinforcement Learning for List-wise Recommendations 主要贡献：构建了一个线上环境仿真器，可以在线下对AC网络参数进行训练。构建了基于强化学习的List-wise推荐系统。更能提供给用户多样性的选择。现有的强化学习大多先计算每一个item的Q-value，然后通过排序得到最终的推荐结果，这样就忽略了推荐列表中商品本身的关联。而List-wise的推荐，强化学习算法计算的是一整个推荐列表的Q-value，可以充分考虑列表中物品的相关性，从而提升推荐的性能。
京东：Recommendations with Negative Feedback via Pairwise Deep Reinforcement Learning 该工作考虑了用户的负反馈，也就是当前的状态有正反馈状态（有点击或浏览的物品）和负反馈状态（无点击和浏览的物品）组成。以及商品之间的偏序关系。有偏序关系是指：a必须与b是同一类别的物品；其次，用户对于a和b的反馈是不同的；最后，a与b的推荐时间要相近。然后在优化Q函数的时候希望有偏序关系的两个物品的Q值差距越大越好。
京东：Deep Reinforcement Learning for Page-wise Recommendations京东：Reinforcement Learning to Optimize Long-term User Engagement in Recommender Systems 使用强化学习来优化信息流推荐中用户的长期体验。
DRN: A deep reinforcement learning framework for news recommendation 提出了一种强化学习的框架用于在线新闻的个性化推荐，并且使用用户活跃度作为一种新的反馈，来提高推荐的准确性。
Reinforcement Learning to Optimize Long-term User Engagement in Recommender Systems

■网友
你要的典型方法：推荐系统的EE问题及Bandit算法-大数据算法

■网友
最近阿里出了一本电子书 《强化学习在阿里的技术演进与业务创新》，里面有涉及到如何使用强化学习解决类似任务，可以关注公众号阿里科技下载。用强化学习解决实际问题没有那么简单的，因为其最大的问题就是维数灾和学习时间长，这是其落地产品极少的原因。
■网友
可参考这篇文章，强化学习智能营销https://zhuanlan.zhihu.com/p/57183922

■网友
例如它？强化学习在推荐，营销等场景下，有何典型方法


■网友
我们团队有非常丰富的经验，欢迎咨询

■网友
【强化学习在推荐，营销等场景下，有何典型方法】 先搭建一个环境来训练自己的agent。方法有很多种。比较得出最适合场景的那个。


    推荐阅读


    上一篇：适合女生的网游有哪些

    下一篇：根据做项目的多少判断程序员的水准