基于低秩片段的推荐系统中的表示学习
信息检索
2023-09-20 v2 人工智能
摘要
推荐系统中的强化学习（RL）具有优化长期用户参与度的潜力。然而，环境常涉及巨大的状态与动作空间，难以高效学习与探索。本文中，我们提出一种样本高效的表示学习算法，采用标准片段推荐设置，将其视为具有低秩马尔可夫决策过程（MDP）的在线RL问题。我们还基于所提设置与采样方法构建了推荐系统仿真环境。
引用
@article{arxiv.2309.08622,
title = {Representation Learning in Low-rank Slate-based Recommender Systems},
author = {Yijia Dai and Wen Sun},
journal= {arXiv preprint arXiv:2309.08622},
year = {2023}
}
备注
in MFPL, ICML 2023