35、多层注意力社交推荐系统与Spark程序优化技术解析

多层注意力社交推荐系统与Spark程序优化技术解析

1. 多层注意力社交推荐系统（MAS - DRLRC）

在推荐系统领域，为了更精准地满足用户需求，多层注意力社交推荐系统（MAS - DRLRC）应运而生。该系统基于马尔可夫决策过程（MDP），旨在训练推荐代理学习策略，以实现最大预期折扣累积奖励。

1.1 系统要素

• 状态集合（S） ：在每个时间步 $t$，状态 $s_t \in S$ 由元组 $(u, h_t)$ 组成，其中 $u \in U$ 是推荐的用户实体，$h_t = {i_{t - k}, i_{t - k + 1}, \ldots, i_{t - 1}}$ 表示用户 $u$ 在时间步 $t$ 之前的点击或购买历史。
• 动作集合（A） ：动作 $a \in A$ 是一个连续向量，与物品具有相同的维度。物品 $i$ 的排名得分可以通过动作 $a$ 和物品 $i$ 的点积获得。
• 转移概率（P） ：$P(s_{t + 1} | s_t, a_t)$ 表示在状态 $s_t$ 下执行动作 $a_t$ 转换到状态 $s_{t + 1}$ 的概率。如果用户 $u$ 忽略推荐物品，则 $s_{t + 1} = s_t$，否则 $s_{t + 1}$ 将被更新。
• 奖励（r） ：$r_t = R(s_t, a_t)$，用户根据推荐代理推荐的物品给出反馈，通过奖励函数 $R$ 为推荐代理提供奖励。
• 折扣因子（γ）