[发明专利]一种基于强化学习的优惠券智能派送方法

权利要求书

1.一种基于强化学习的优惠券智能派送方法，其特征在于，包括如下步骤：

S1、更新数据库，并对数据库中的数据进行清洗，得到用户特征信息；

S2、利用所述用户特征信息初始化深度神经网络模型；

S3、利用当前的深度神经网络模型输出优惠券的面值以及优惠券的数量；

S4、向用户派送面值最大的优惠券，并通过短信的方式提醒用户消费；

S5、获取在优惠券有效期内用户所反馈的行为信息，并记录该行为信息；

S6、将用户反馈的行为信息输入至所述深度神经网络模型进行训练，更新深度神经网络模型；

S7、根据更新后的深度神经网络模型确定策略函数，并根据所述策略函数向用户派送优惠券，从而完成基于强化学习的优惠券智能派送。

2.根据权利要求1所述的基于强化学习的优惠券智能派送方法，其特征在于，所述步骤S6中更新深度神经网络模型的表达式如下：

θ＝arg max_θ(y_j-q_eval(s_t,a_t))²

其中，θ表示深度神经网络模型的参数，q_eval和q_target均表示用户状态的估计值，s_t表示用户的特征信息，a_t表示t时刻系统的发券类型，y_j中间变量，r表示奖励函数，s_j+1表示用户在得到券之后的特征，a_i表示当前可选的发券动作，a表示学习率。

3.根据权利要求1所述的基于强化学习的优惠券智能派送方法，其特征在于，所述步骤S7中策略函数的表达式如下：

其中，Q^*(s_t,a)表示策略函数，s_t表示用户的特征信息，a表示学习率，r表示奖励函数，i表示第i个动作的索引，s_t+1表示用户下一时刻的特征信息，a_i表示当前可选的发券动作，Q(·)表示策略函数。