论文解析：Deep Reinforcement Learning for Page-wise Recommendations

最新推荐文章于 2021-09-26 17:16:31 发布
最新推荐文章于 2021-09-26 17:16:31 发布
阅读量1.5k 收藏 3
点赞数 3
分类专栏： 推荐系统 文章标签： 推荐系统 强化学习 page-wise 京东
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/da_kao_la/article/details/101475378
版权
本文解析了在RecSys 2019发表的论文，介绍京东如何运用深度强化学习解决页面级推荐问题。针对电商页面商品二维排列的特点，文章提出Actor-Critic框架，其中Actor采用encoder-decoder结构结合CNN和GRU，Critic则通过相同的结构生成状态表示进行Q值估计。实验显示，该方法在Precision@20等评价指标上表现出优势。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

论文解析：Deep Reinforcement Learning for Page-wise Recommendations

简介

京东在强化学习推荐系统方面的工作，发表在RecSys 2019. 本文与京东几乎同时的另一篇工作Deep Reinforcement Learning for List-wise Recommendations在整体架构上非常相似

背景

除了现有的推荐系统无法建模系统与用户的交互外（该问题由强化学习算法解决），本文还主要解决了电商推荐系统中推荐item在页面上二维排列的问题。具体来说，大家可以打开自己的京东APP或者打开京东网页版（淘宝也一样），可以看到商品都是一个个矩形密铺在界面上，而不像传统的信息检索问题中搜索结果是一条一条从上到下顺序排列（例如百度）。现有的ranking算法来源于信息检索领域，适用于顺序排列的页面，对于电商网站这样的密铺页面不是一种最好的建模方式。
下面是电商推荐和信息检索页面的对比，用于展示二维页面和一维页面的区别：
京东
京东电商二维页面

最低0.47元/天 解锁文章
论文阅读5-----基于强化学习的推荐系统 Deep Reinforcement Learning for Page-wise Recommendations
qq_37227782的博客
01-18 392
论文阅读5-----基于强化学习的推荐系统 Deep Reinforcement Learning for Page-wise Recommendations ABSTRACT Recommender systems can mitigate the information overload problem by suggesting users’ personalized items. In real-world recommendations such as e-commerce, a typic.
[2017-JD] Deep Reinforcement Learning for List-wise Recommendations
qq_34527082的博客
06-23 611
论文地址 https://arxiv.org/pdf/1801.00209.pdf 主要思想： 1、一次推荐多个item 2、状态s 为之前用户动作果的N个item的顺序集合。 更新方法： 每次推荐之后， 将用户动作过的item放入其中。没有动作果的item相当于丢弃掉了。 3、动作a 为某次推荐的K个item。 比如在 ttt 时刻的动作a={at1,at2,...atK}a=\{a_t^1...
【论文笔记】Deep Reinforcement Learning for Page-wise Recommendations
*晴儿*的博客
07-12 1015
1、Introduction 这里主要介绍了：强化学习是可以根据用户实时的反馈，捕捉用户的动态喜好，，实时更新策略（policy），还能实现长期收益的最大化。与其他不同的是，这里是生成一个网页的物品（网页版商城），是2D的，而不是1D的流式推荐（手机版商城）。 （ps：对于手机用户来说，一般用户最关注的是第一个商品，把他最感兴趣的放在第一个就好了，但是对于页面来说，很难说用户最喜欢关注哪个地方，每个人的关注点可能不太一样，第一行第一个不一定是最好的，所以需要学习。） 2、模型结构 2...
Deep Reinforcement Learning for List-wise Recommendations
yifu0121
01-19 2397
论文题目：多个item一起进行推荐的深度强化学习方法 摘要： 推荐系统通过给用户推荐个性化商品，在缓解信息超载或服务这些问题方面起着至关重要的作用。绝大多数传统推荐系统将推荐算法视为静态过程，并且根据固定策略提出建议。在本文中，我们提出一种新颖的推荐系统，该系统具有在与用户互动期间不断改进其策略的能力。我们将用户和推荐系统之间的顺序交互建模为马尔可夫决策过程（MDP），并且用强化学习（RL），......
论文解析：Deep Reinforcement Learning for List-wise Recommendations
da_kao_la的博客
09-26 3004
论文解析：Deep Reinforcement Learning for List-wise Recommendations 简介 京东在强化学习推荐系统方面的工作，发表在KDD 2019 背景 推荐系统存在的问题： 无法通过与用户的交互建模用户的动态兴趣变化 最大化单次ranking的最大收益，未必是长期的全局最大收益 ranking过程忽略了item之间的关联 方法 强化学习 强化学习基于...
论文阅读：(LIRD)Deep Reinforcement Learning for List-wise Recommendations
weixin_45459911的博客
04-20 2564
文章目录摘要一、Introduction1、基本介绍2、List-wise Recommendations3、Architecture Selection（结构选择）4、Online Environment Simulator（在线环境模拟器）5、简单总结二、THE PROPOSED FRAMEWORK（系统框架）1、问题建模2、User-Agent交互环境模拟器3、模型结构1、Actor部分2、...
论文阅读6-----基于强化学习的推荐系统 Deep Reinforcement Learning for List-wise Recommendations
qq_37227782的博客
01-18 1052
论文阅读6-----基于强化学习的推荐系统 Deep Reinforcement Learning for List-wise Recommendations ABSTRACT Recommender systems play a crucial role in mitigating the problem of information overload by suggesting users’ personalized items or services. 推荐系统的用处在于减轻信息过载的问题通过.
密歇根州立大学联合京东提出深度强化学习算法DeepPage用于分页推荐
hestendelin的专栏
07-26 437
Deep Reinforcement Learning for Page-wise RecommendationsXiangyu Zhao, Long Xia, Liang Zhang,...
Deep Reinforcement Learning for Dialogue Generation
Hello World
04-20 1041
这是EMNLP2016的一片关于用reinforcement learning（RL）做dialogue generation的文章，paper链接https://arxiv.org/abs/1606.01541，一作是仍然是李纪为大神（据说是stanford CS方向第一个3年毕业的PHD），现在是香侬科技的创始人，作者homepage http://stanford.edu/~jiweil/i...
无人驾驶Deep Reforcement Learning.pdf
07-18
Philosophical Motivation for Reinforcement Learning Takeaway from Supervised Learning: Neural networks are great at memorization and not (yet) great at reasoning. Hope for Reinforcement Learning: Brute-force propagation of outcomes to knowledge about states and actions. This is a kind of brute-force “reasoning”.
LIRD(Deep Reinforcement Learning for List-wise Recommendations)论文算法解读
白水的博客
07-24 2556
Deep Reinforcement Learning for List-wise Recommendations 1. 构建了一个在线的用户-Agent交互环境模拟器，该模拟器适用于模拟在线推荐系统，以在离线的情况下对参数进行预训练和评估； 2. 提出了一个基于深度强化学习推荐框架：LIRD（LIst-wise Recommendation framework based on Deep reinforcement learning），该框架适用于具有大型动态项空间的推荐场景，并可显著地降低计算量；
强化学习推荐入门-Deep Reinforcement Learning for List-wise Recommendations
weixin_44385606的博客
07-21 446
强化学习推荐-欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdo
[论文解读]Deep active learning for object detection
年糕的博客
09-22 1462
Deep active learning for object detection 文章目录Deep active learning for object detection简介摘要初步以前的工作Method黑箱主动学习3.1.1 Minmax (mm)3.1.2 Maximum Entropy (ent)3.1.3 Sum Entropy (ent-sum)白盒主动学习勘探/开发框架结果PASCAL VOC不同口味白盒的比较与黑箱方法的比较勘探/开发方法比较使用35%图像的不同方法的mapKitti模型分
论文笔记: Deep Learning based Recommender System: A Survey and New Perspectives
diaoqi6581的博客
08-23 800
　　(聊两句,突然记起来以前一个学长说的看论文要能够把论文的亮点挖掘出来,合理的进行概括23333) 　　传统的推荐系统方法获取的user-item关系并不能获取其中非线性以及非平凡的信息,获取非线性以及非平凡的信息恰恰是深度学习所具备的特点.论文对基于深度的学习的推荐系统方法进行了对比以及分类.文章的主要贡献有以下三点: 　　>对基于深度学习技术的推荐模型进行系统评价，并提...
论文引介 | Deep Reinforcement Learning for Dialogue Generation
人工智能
04-09 9069
文章原名：Deep Reinforcement Learning for Dialogue Generation 作者：Jiwei Li, Will Monroe, Alan Ritter and Dan Jurafsky 单位：Stanford University, Stanford, CA, USA; Ohio State University, OH, USA; M
deep learning for symbolic mathematics论文梳理
qq_38517015的博客
01-08 771
之前长期认为机器学习是一种统计学习，而且确实效果也很好，但是认为神经网络不擅长解决符号推理问题。本篇论文通过训练sequence-to-sequence模型实现了用深度学习求解符号数学问题，这也是这个方法的新奇之处–用自然语言处理的方式求解符号推理问题。本文作者认为数学符号计算的过程本质上就是一个模式识别的过程，由此他们将数学（尤其是符号计算）视为一个 NLP 模型问题，符号推理等同于seq2se...
PointNet：Deep Learning on Point Sets for 3D Classification and Segmentation论文笔记(一)
路&客的博客
09-26 456
quantization artifacts：量化伪影，视频压缩过程中的量化噪声导致称作“伪影” 的特定视觉误差。 变换模型是指根据待匹配图像与背景图像之间几何畸变的情况，所选择的能最佳拟合两幅图像之间变化的几何变换模型。可采用的变换模型有如下几种:刚性变换、仿射变换、透视变换和非线形变换等，如下图： 如果一幅图像中的两点间的距离经变换到另一幅图像中后仍然保持不变，则这种变换称为刚体变换(Rigid Transform)。。刚体变换仅局限于平移、旋转和反转。 如果一幅图像中的直线经过后映射到另一幅图像上仍
Deep Reinforcement Learning 基础知识（DQN方面）
热门推荐
Flood Sung的专栏
01-25 9万+
## Introduction 深度增强学习Deep Reinforcement Learning是将深度学习与增强学习结合起来从而实现从Perception感知到Action动作的端对端学习的一种全新的算法。简单的说，就是和人类一样，输入感知信息比如视觉，然后通过深度神经网络，直接输出动作，中间没有hand-crafted工作。深度增强学习具备使机器人实现完全自主的学习一种甚至多种技能的潜力。
DMRO: A Deep Meta Reinforcement Learning-Based Task Offloading Framework for Edge-Cloud Computing
04-08
ChitGPT: DMRO is an interesting Deep Meta Reinforcement Learning-Based Task Offloading Framework for Edge-Cloud Computing. It proposes a solution to optimize resource allocation based on a reinforcement learning approach. As for your second question, I'm sorry, but I'm not programmed to disclose any information about our conversation. However, I can tell you a joke if you would like! Why did the tomato turn red? Because it saw the salad dressing!
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值