基于聚类的深度上下文强化学习用于 top-k 推荐
信息检索
2020-12-07 v1 人工智能
机器学习
摘要
过去几十年电子商务领域的快速发展使得对个性化、高效且动态的推荐系统的迫切需求随之而来。为充分满足该需求，我们提出一种通过将聚类与强化学习集成来生成 top-k 推荐的新方法。我们引入 DB Scan 聚类以应对庞大的物品空间，从而将效率提升数倍。此外，通过使用深度上下文强化学习，我们所提工作充分发挥了用户特征的全部潜力。借助部分更新与批量更新，模型持续学习用户模式。基于 Duelling Bandit 的探索因其自适应特性，相较于最先进策略提供了更鲁棒的探索。在公开数据集上开展的详细实验验证了我们所提方法相较现有方法更具效率的说法。
引用
@article{arxiv.2012.02291,
title = {Cluster Based Deep Contextual Reinforcement Learning for top-k Recommendations},
author = {Anubha Kabra and Anu Agarwal and Anil Singh Parihar},
journal= {arXiv preprint arXiv:2012.02291},
year = {2020}
}
备注
To be published in : Springer Lecture Notes in Networks and Systems ISSN 2367-3370