21、动态目标用户选择促进推广策略解析

动态目标用户选择促进推广策略解析

1. 综合奖励函数与模型概述

综合奖励函数在优化过程中能够平衡商家、平台和用户的利益，提升推广商品的曝光度、长尾商品的覆盖率以及用户体验等指标，实现多方共赢。通过调整权重参数 α、β 和 γ，该函数还能适应不同的市场推广场景和利益分配，进一步提高推广效果。

为了实现动态目标用户选择，提出了 TriSUMS 模型，该模型考虑了多个利益相关者。以下是模型涉及的关键变量：
- 动作（Action） ：在时刻 t，交互策略采取的动作 at 表示选择一个用户 u，动作 a 的表示向量 ea 与被选择用户的标准向量 eu 等价，即 ea = eu。
- 状态（Status） ：st ∈ Rds 表示时刻 t 的交互状态，为智能体提供整体历史信息。st 包括商品交互信息的表示向量 ei 以及在整个交互轨迹过程中为该商品已选择的用户信息 {ea1, …, eat}。
- 奖励信号（Reward Signal） ：rt 表示在时刻 t 策略选择动作 at 后，奖励提供者 ϕM 提供的反馈信号，通过奖励函数计算得出。
- 策略网络（Policy Network） ：πθ = πθ(at|st) 根据当前状态 st 选择动作 at。它以状态 st 为输入，输出一个概率分布。动作 at 被选择的概率为：
[πθ(at|st) = ReLu(σ(W^T_s st + bt))]
其中，σ 表示非线性激活函数，$W^T_s$ ∈ Rds×da 和 bt ∈ Rda 分别表示权重矩阵和偏