当协同过滤遇见强化学习
机器学习
2019-04-03 v2 信息检索
机器学习
摘要
本文研究多步交互式推荐问题，其中当前步推荐的物品可能影响未来推荐的质量。为解决该问题，我们提出一种新颖有效的方法CFRL，将协同过滤（CF）与强化学习（RL）的思想无缝结合。更具体地，我们首先将推荐者—用户交互推荐问题建模为智能体—环境的RL任务，并用马尔可夫决策过程（MDP）进行数学描述。进一步，为实现面向整个用户社区的协同推荐，我们提出一种新颖的基于CF的MDP，将所有用户的状态编码进一个共享的隐向量空间。最后，我们提出一种有效的Q网络学习方法，基于该基于CF的MDP学习智能体的最优策略。通过在真实数据集上与多种现有方法对比，证明了CFRL的能力。
引用
@article{arxiv.1902.00715,
title = {When Collaborative Filtering Meets Reinforcement Learning},
author = {Yu Lei and Wenjie Li},
journal= {arXiv preprint arXiv:1902.00715},
year = {2019}
}