基于深度强化学习的在线广告产品推荐器
人工智能
2021-02-02 v1
摘要
在在线广告中，推荐系统试图根据潜在客户的兴趣从产品列表中向其提议物品。由于信息技术的快速发展和大型数据集的可用性，此类系统在电子商务中日益部署。人工智能领域的不断进步为处理此类现实问题提供了强大工具。部署深度神经网络作为通用函数逼近器的深度强化学习 (RL) 可视为设计和实现推荐系统的有效方法。本文对基于价值与基于策略的深度 RL 算法在设计在线广告推荐系统方面进行了比较研究。采用 RecoGym 环境训练这些基于 RL 的推荐系统，其中分别部署长短期记忆 (LSTM) 来构建这两种方法中的价值网络与策略网络。LSTM 用于考虑物品被用户观测的顺序序列中起关键作用的顺序因素。所设计的推荐系统旨在最大化推荐物品的点击率 (CTR)。最后，为推荐系统预期应对的不同场景选择适当 RL 算法提供了指导。
引用
@article{arxiv.2102.00333,
title = {Deep Reinforcement Learning-Based Product Recommender for Online Advertising},
author = {Milad Vaali Esfahaani and Yanbo Xue and Peyman Setoodeh},
journal= {arXiv preprint arXiv:2102.00333},
year = {2021}
}