[发明专利]业务模型强化学习方法以及装置

说明书

本申请提供业务模型强化学习方法以及装置，所述业务模型强化学习方法，包括：获取业务样本；基于所述业务样本对初始业务模型进行强化学习，获得目标业务模型；所述初始业务模型基于执行业务操作所依赖的业务策略曲线构建；基于所述目标业务模型生成执行所述业务操作所依赖的目标业务策略曲线。本申请提供的业务模型强化学习方法，在采用曲线业务策略基础上引入强化学习进行优化调整，从而提升业务执行的有效性，尽可能达到设定的业务目标，获得更好的业务执行效果。

技术领域

本申请涉及强化学习技术领域，特别涉及一种业务模型强化学习方法。本申请同时涉及一种业务模型强化学习装置，一种计算设备，以及一种计算机可读存储介质。

背景技术

随着网络技术和电子商务快速发展，网络平台已成为用户进行日常消费的重要工具，企业也逐渐将更多的营销资源投入到互联网营销中，来适应用户行为的变化。在推荐系统或营销方案中，往往会涉及到多个阀值的策略，但这些策略本质上可能是不合理的，因为对于所有样本而言，不一定都是统一的阀值。

现有技术在使用推荐策略时，即使用推荐模型时，往往是采用固定阀值的推荐策略，统一批样本使用同样的阈值。但在样本量比较大的情况下，由于样本之间的巨大差异，不同样本使用统一阀值将无法得到好的推荐效果。

发明内容

有鉴于此，本申请实施例提供了一种业务模型强化学习方法，以解决现有技术中存在的技术缺陷。本申请实施例同时提供了一种业务模型强化学习装置，一种计算设备，以及一种计算机可读存储介质。

本申请实施例公开了一种业务模型强化学习方法，包括：

获取业务样本；

基于所述业务样本对初始业务模型进行强化学习，获得目标业务模型；所述初始业务模型基于执行业务操作所依赖的业务策略曲线构建；

基于所述目标业务模型生成执行所述业务操作所依赖的目标业务策略曲线。

可选的，所述业务样本包括：历史时间段内的业务样本；

相应的，所述基于所述业务样本对初始业务模型进行强化学习，获得目标业务模型，包括：

基于所述历史时间段内的业务样本，对所述初始业务模型进行强化学习，强化学习之后获得所述业务样本对应的学习奖励；

判断所述学习奖励是否大于或者等于目标奖励；

若是，将所述学习奖励对应的业务样本作为最优业务样本，并将基于所述最优业务样本进行强化学习之后的业务模型作为所述目标业务模型。

可选的，所述业务样本包括：历史时间段内的业务样本；

相应的，所述基于所述业务样本对初始业务模型进行强化学习，获得目标业务模型，包括：

基于所述历史时间段内的业务样本，对所述初始业务模型进行强化学习，获得所述业务样本对应的学习奖励；

将所述历史时间段内学习奖励最高的业务样本作为最优业务样本；

将所述最优业务样本对所述初始业务模型进行强化学习之后的业务模型，作为所述目标业务模型。

可选的，所述获取业务样本步骤执行之后，且所述基于所述业务样本对初始业务模型进行强化学习，获得目标业务模型步骤执行之前，包括：

确定在基准执行条件下执行所述业务操作的业务执行目标。

可选的，所述基于所述业务样本对初始业务模型进行强化学习，获得目标业务模型，包括：

基于所述业务样本对初始业务模型进行强化学习，强化学习之后获得业务模型；

基于所述业务模型生成执行所述业务操作的强化业务策略曲线；