基于深度强化学习的电商细粒度会话推荐
信息检索
2022-10-28 v1 机器学习
摘要
维持用户兴趣并使其持续参与平台对电商业务的成功至关重要。一次会话涵盖用户从登录平台到登出或完成购买之间的不同活动。会话中的用户活动可分为两类:已知意图与未知意图。已知意图活动指可轻易捕捉用户浏览/购买特定产品意图的会话。而在未知意图活动中,用户意图未知。例如,考虑用户进入会话随意浏览平台商品的场景,类似于线下环境中的橱窗购物体验。在前一种情况下推荐相似产品至关重要,而在后一种情况下准确理解意图并推荐有趣产品对留住用户至关重要。本工作中,我们主要关注未知意图场景,其目标是向会话中的用户推荐一系列产品以维持其兴趣、保持参与并可能促成购买。我们在马尔可夫决策过程(MDP)框架(一种流行的序贯决策数学框架)中表述该问题,并使用深度强化学习(DRL)技术求解。然而,由于用户浏览/购买行为差异大,在RL范式下训练下一产品推荐较为困难。因此,我们将问题拆解为预测各类产品属性,从而可识别并利用模式/趋势构建准确模型。我们展示了DRL智能体相较贪心策略具有更优性能。
引用
@article{arxiv.2210.15451,
title = {Fine-Grained Session Recommendations in E-commerce using Deep Reinforcement Learning},
author = {Diddigi Raghu Ram Bharadwaj and Lakshya Kumar and Saif Jawaid and Sreekanth Vempati},
journal= {arXiv preprint arXiv:2210.15451},
year = {2022}
}