281
个编辑
更改
跳到导航
跳到搜索
第665行：
第665行： − DQN通过时序状态转移（s<sub>t</sub>→s<sub>t+1</sub>）实时更新用户兴趣表征，克服协同过滤的静态建模局限。+ − + 第673行：
第673行： − + − +
→推荐系统中的策略优化
动态偏好捕捉（vs. 静态协同过滤）：
动态偏好捕捉（vs. 静态协同过滤）：
DQN通过时序状态转移（ <math>s_{t}→s_{t+1}</math>）实时更新用户兴趣表征，克服协同过滤的静态建模局限。
长期价值优化（vs. 即时收益模型）：最大化累计奖励 R<sub>t</sub>=∑ γ<sup>k</sup> r <sub>t+k</sub>，避免短视策略（如仅推荐热门商品）。
长期价值优化（vs. 即时收益模型）：最大化累计奖励<math> R_{t}=∑ γ_{k} r_{t+k}</math>，避免短视策略（如仅推荐热门商品）。
探索机制：ε-greedy策略主动推荐低曝光商品，缓解冷启动问题。
探索机制：ε-greedy策略主动推荐低曝光商品，缓解冷启动问题。
'''技术实现架构'''
'''技术实现架构'''
状态表征：用户画像（性别/年龄） + 行为序列（点击/购买历史） → 嵌入层 → LSTM编码 → 状态向量 s<sub>t</sub>。
状态表征：用户画像（性别/年龄） + 行为序列（点击/购买历史） → 嵌入层 → [[LSTM编码]] → 状态向量 <math>s_{t}</math>。
动作空间：离散候选物品集 {a<sub>1</sub>,a<sub>2</sub>,...,a<sub>N</sub>}（N=千至百万级）。
动作空间：离散候选物品集 <math>{a_{1},a_{2},...,a_{N}}</math>（N=千至百万级）。
网络结构如右图所示。
网络结构如右图所示。