面向搜索、推荐与在线广告的深度强化学习：综述
信息检索
2020-01-20 v5 机器学习
摘要
搜索、推荐与在线广告是网络上三种最重要的信息提供机制。这些信息技术通过在恰当的时间与地点向用户推荐个性化对象（信息或服务）来满足用户的信息需求，在缓解信息过载问题中起着关键作用。随着深度强化学习（DRL）近期的巨大进展，开发基于 DRL 的信息获取技术受到越来越多的关注。这些基于 DRL 的技术有两个关键优势——（1）它们能够根据用户的实时反馈持续更新信息获取策略；（2）它们可以最大化来自用户的期望累积长期奖励，其中奖励根据信息获取应用（如点击率、收益、用户满意度与参与度）有不同的定义。本文从方法到应用概述了面向搜索、推荐与在线广告的深度强化学习，回顾了代表性算法，并讨论了若干引人关注的研究方向。
引用
@article{arxiv.1812.07127,
title = {Deep reinforcement learning for search, recommendation, and online advertising: a survey},
author = {Xiangyu Zhao and Long Xia and Jiliang Tang and Dawei Yin},
journal= {arXiv preprint arXiv:1812.07127},
year = {2020}
}