基于强化学习的数字人交互式推荐决策
信息检索
2022-11-07 v4 人工智能
机器学习
摘要
数字人推荐系统已被开发用于帮助顾客发现其喜爱的商品，并在各类推荐场景中发挥积极作用。如何及时捕捉并学习顾客偏好的动态变化，同时满足其确切需求，在数字人推荐领域变得至关重要。我们设计了一种新颖的、基于强化学习（RL）的实用数字人交互式推荐智能体框架，通过利用数字人特征与RL的优越灵活性来提升交互式推荐决策的效率。我们提出的框架通过数字人与顾客之间的实时交互，借助最先进的RL算法，结合多模态嵌入与图嵌入进行动态学习，以提升个性化精度，从而使数字人智能体能及时吸引顾客注意。在真实业务数据上的实验表明，我们的框架能提供更优的个性化顾客互动与更好的顾客体验。
引用
@article{arxiv.2210.10638,
title = {Digital Human Interactive Recommendation Decision-Making Based on Reinforcement Learning},
author = {Xiong Junwu and Xiaoyun Feng and YunZhou Shi and James Zhang and Zhongzhou Zhao and Wei Zhou},
journal= {arXiv preprint arXiv:2210.10638},
year = {2022}
}
备注
9 pages, 1 figure, 1 table, the paper has been accepted and this is the final camera-ready for NeurIPS 2022 Workshop on Human in the Loop Learning, https://neurips-hill.github.io/