DRN——强化学习与推荐系统结合

强化学习是近年来机器学习领域非常热门的研究话题，它的研究起源于机器人领域，针对智能体在不断变化的环境 中决策和学习的过程进行建模。在智能体的学习过程中，会完成收集外部反馈,改变自身状态,再根据自身状态对下一步的行动进行决策，在行动之后持续收集反馈的循环，简称“行动-反馈-状态更新”的循环。如果把推荐系统当作一个智能体，把整个推荐系统学习更新的过程当作智能体“行动-反馈-状态更新”的循环，就能理解将强化学习的诸多理念应用于推荐系统领域并不是一件困难的事情。 2018年，由宾夕法尼亚州立大学和微软亚洲研究院的学者提出的推荐领域的强化学习模型DRN，就是一次将强化学习应用于新闻推荐系统的尝试。
深度强化学习推荐系统框架
框架图非常清晰地展示了深度强化学习推荐系统框架的各个组成部分，以及整个强化学习的迭代过程。下面将一些强化学习中的专业名词进行解释： **智能体：**推荐系统本身，它包括基于深度学习的推荐模型、探索

DRN——强化学习与推荐系统结合最先出现在Python成神之路。