应用于泛在推荐系统的混合 Q 学习
机器学习
2014-04-01 v2 信息检索
摘要
泛在信息访问如今变得越来越重要，相关研究旨在使其适应用户需求。我们的工作包括应用机器学习技术，以解决用户对系统接受度方面的一些问题。为此，我们在推荐系统学习建模方面提出了根本性的转变：受机器人领域开发的人类推理模型启发，我们结合强化学习与基于案例的推理，定义了一种利用这两种方法在不同上下文维度（社会、时间、地理）上生成推荐的推荐过程。我们描述了基于该框架的推荐系统实现。我们还展示了系统的初步实验结果，并说明了我们的方法如何提高推荐质量。
引用
@article{arxiv.1303.2651,
title = {Hybrid Q-Learning Applied to Ubiquitous recommender system},
author = {Djallel Bouneffouf},
journal= {arXiv preprint arXiv:1303.2651},
year = {2014}
}
备注
arXiv admin note: substantial text overlap with arXiv:1301.4351, arXiv:1303.2308