[发明专利]一种基于强化学习框架的推荐系统离线训练方法在审
| 申请号： | 201910195737.6 | 申请日： | 2019-03-13 |
| 公开（公告）号： | CN109978660A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | 皮德常;吴致远;赵晓东 | 申请（专利权）人： | 南京航空航天大学 |
| 主分类号： | G06Q30/06 | 分类号： | G06Q30/06;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 210016 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于强化学习框架的推荐系统离线训练方法。包括：使用离线训练的方式，通过矩阵分解得到用户和商品的隐向量表示；通过强化学习算法，根据用户兴趣与所推荐商品的差异以及用户的反馈，对用户兴趣进行动态捕捉和更新；为用户维护一个参考向量，用来记录用户在最近一段时间内感兴趣商品的向量表示之和，并以此为依据对商品集合进行过滤，去除与计算长期回报无关的商品，降低计算复杂度，本发明可适用于大规模的基于评分的推荐系统。 | ||
| 搜索关键词： | 离线训练 推荐系统 强化学习 向量表示 用户兴趣 强化学习算法 计算复杂度 参考向量 动态捕捉 矩阵分解 商品集合 用户维护 去除 过滤 反馈 回报 更新 记录 | ||
【主权项】：
1.一种基于强化学习框架的推荐系统离线训练方法，其主要特征包括以下步骤：(1)根据所有用户的历史记录，建立N行M列的全局评分矩阵![]()
(N表示用户总数，M表示商品总数)，矩阵![]()
中第i行第j列的元素ri，j表示用户ui对商品vj的评分，通过隐语义模型LFM矩阵分解，得到用户和商品的隐向量表示；(2)使用深度Q网络DQN算法，选择相应的商品，最大化长期回报，根据用户反馈，实时捕捉用户的兴趣变化；(3)结合用户历史信息，维护一个长度为l的时间窗口，根据该窗口中的历史信息计算用户i的参考向量ei，结合参考向量ei对商品集进行过滤，降低DQN的计算复杂度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京航空航天大学，未经南京航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910195737.6/，转载请声明来源钻瓜专利网。
