面向交互式推荐的知识引导深度强化学习
信息检索
2020-12-02 v1 机器学习
机器学习
摘要
交互式推荐旨在从物品与用户间的动态交互中学习,以实现响应性与准确性。强化学习天生擅长应对动态环境,因此在交互式推荐研究中日益受到关注。受知识感知推荐启发,我们提出知识引导深度强化学习(KGRL),以结合强化学习与知识图谱在交互式推荐中的优势。该模型基于actor-critic网络框架实现。其维护局部知识网络以引导决策,并采用注意力机制捕获物品间的长期语义。我们在含六个公开真实数据集的模拟在线环境中进行了全面实验,证明了本模型相对于若干最先进方法的优越性。
关键词
引用
@article{arxiv.2004.08068,
title = {Knowledge-guided Deep Reinforcement Learning for Interactive Recommendation},
author = {Xiaocong Chen and Chaoran Huang and Lina Yao and Xianzhi Wang and Wei Liu and Wenjie Zhang},
journal= {arXiv preprint arXiv:2004.08068},
year = {2020}
}