[2017-JD] Deep Reinforcement Learning for List-wise Recommendations

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 $t$ 时刻的动作 a = { a t 1 , a t 2 , . . . a t K } a=\{a_t^1, a_t^2, ... a_t^K\} a={ at1​,at2​,...atK​}

问题

1、k变化的时候，网络结构需要调成，整个网络需要重训。
2、直接输出$k\ast di{m}_{(}w)$ 的向量，这些向量的表达能力可能需要打个问号。准确性的评估方法？
3、使用$w_1,w_2,$