强化学习推荐系统论文导航
DRN: A Deep Reinforcement Learning Framework for News Recommendation
目标：最大化用户满意度，包括点击标签和用户活跃度。
状态：新闻特征、用户特征、用户新闻特征、上下文特征。
动作：新闻推荐列表。
奖励：用户是否点击推荐的新闻，以及用户活跃度。
基于 Double DQN 和 Dueling DQN 。
探索过程：对原始网络进行微小扰动，再对两个网络的推荐结果进行概率交织操作。
Top-K Off-Policy Correction for a REINFORCE Recommender System
目标：最大化用户满意度，包括点击量和观看时长。
状态：用户形象与用户的兴趣。
动作：视频推荐列表。
奖励：点击量与观看时长。
基于策略梯度，引入行为策略 修正梯度。
网络结构（行为策略的梯度不会被传递）：Chaos Free RNN (CFN)
探索：先选择 个最优的，再从 个最优的之中随机选择 个次优的（）
[论文解读]World of Bits: An Open-Domain Platform for Web-Based Agents
论文地址：World of Bits: An Open-Domain Platform for Web-Based Agents 摘要 虽然模拟游戏环境极大地加速了强化学习方面的研究，现有的环境...
[论文解读]DRN: A Deep Reinforcement Learning Framework for News Recommendation
论文地址：DRN: A Deep Reinforcement Learning Framework for News Recommendation 。 研究背景 由于新闻特征与用户偏好特征是不断...