典型文献
知识增强策略引导的交互式强化推荐系统
文献摘要：
推荐系统是解决社会媒体信息过载问题的重要手段.为了解决传统推荐系统无法优化用户长期体验的问题,研究人员提出了交互式推荐系统,并尝试使用深度强化学习优化推荐策略.但是,强化推荐算法面临反馈稀疏、从零学习影响用户体验、物品空间大等问题.为了解决上述问题,提出一种改进的知识增强策略引导的交互式强化推荐模型KGP-DQN.该模型构建行为知识图谱表示模块,将用户历史行为和知识图谱结合,解决反馈稀疏问题;构建策略初始化模块,根据用户历史行为为强化推荐系统提供初始化策略,解决从零学习影响用户体验的问题;构建候选集筛选模块,根据行为知识图谱上的物品表示进行动态聚类,从而减少物品空间,解决动作空间大的问题.在3个真实数据集上进行了实验,实验结果表明,KGP-DQN可以快速有效地对强化推荐系统进行训练,其在3个数据集上的推荐准确率均超过80％.
文献关键词：
交互式推荐系统;深度强化学习;知识图谱;策略初始化;候选集筛选
中图分类号：
作者姓名：
张宇奇;黄晓雯;桑基韬
作者机构：
北京交通大学计算机与信息技术学院,北京 100044;交通数据分析与挖掘北京市重点实验室,北京 100044
文献出处：
引用格式：
[1]张宇奇;黄晓雯;桑基韬-.知识增强策略引导的交互式强化推荐系统)[J].大数据,2022(05):88-105
A类：
交互式推荐系统,KGP,候选集筛选
B类：
知识增强,增强策略,策略引导,媒体信息,信息过载,过载问题,化用,户长,尝试使用,使用深度,深度强化学习,学习优化,推荐策略,推荐算法,用户体验,推荐模型,DQN,建行,谱表,史行,构建策略,策略初始化,初始化模块,初始化策略,动态聚类,动作空间,真实数据,快速有效
AB值：
0.323097
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
