用于推荐系统的部分可观测马尔可夫决策过程
人工智能
2016-09-02 v2 信息检索
摘要
我们报告了在在线推荐系统中观察到的“循环退化”（Recurrent Deterioration, RD）现象。RD 现象表现为：当推荐模型始终基于用户对先前推荐的反馈进行训练时，其性能呈现下降趋势。推荐系统遭遇 RD 现象的原因有多方面，包括缺乏负样本训练数据以及用户兴趣的演变等。为解决导致 RD 现象的问题，我们提出了 POMDP-Rec 框架，这是一种专为推荐系统设计的神经优化部分可观测马尔可夫决策过程（Partially Observable Markov Decision Process, POMDP）算法。我们表明，POMDP-Rec 框架能有效利用来自真实世界推荐系统的累积历史数据，并在公共数据集上自动取得与领域专家 exhaustive 微调的模型相当的结果。
引用
@article{arxiv.1608.07793,
title = {Partially Observable Markov Decision Process for Recommender Systems},
author = {Zhongqi Lu and Qiang Yang},
journal= {arXiv preprint arXiv:1608.07793},
year = {2016}
}