公开(公告)号：CN113626721A

公开(公告)日：2021-11-09

申请号：CN202111185156.8

申请日：2021-10-12

Applicant: 中国科学院自动化研究所

Inventor： 白栋栋 ,  洪志理

IPC: G06F16/9535 ,  G06N20/00

Abstract: 本发明提供一种基于遗憾探索的推荐方法、装置、电子设备与存储介质，所述方法包括：基于目标用户的用户特征和各候选对象的对象特征，确定各候选对象的状态；将各候选对象的状态输入至评分模型，得到评分模型输出的各候选对象的评分；基于各候选对象的评分，确定向目标用户推荐的对象；评分模型是基于样本对象的样本状态进行强化学习得到的；在强化学习过程中，评分模型基于遗憾值集合，以及当前样本状态进行评分探索，遗憾值集合存储有历史状态及其对应的遗憾值，遗憾值基于历史状态下各候选评分的优势确定，历史状态是在当前样本状态之前的样本状态，从而提高了探索的效率，实现了对不同用户进行个性化的精确推荐，提高了用户体验。

公开(公告)号：CN113626721B

公开(公告)日：2022-01-25

申请号：CN202111185156.8

申请日：2021-10-12

Applicant: 中国科学院自动化研究所

Inventor： 白栋栋 ,  洪志理

IPC: G06F16/9535 ,  G06N20/00

Abstract: 本发明提供一种基于遗憾探索的推荐方法、装置、电子设备与存储介质，所述方法包括：基于目标用户的用户特征和各候选对象的对象特征，确定各候选对象的状态；将各候选对象的状态输入至评分模型，得到评分模型输出的各候选对象的评分；基于各候选对象的评分，确定向目标用户推荐的对象；评分模型是基于样本对象的样本状态进行强化学习得到的；在强化学习过程中，评分模型基于遗憾值集合，以及当前样本状态进行评分探索，遗憾值集合存储有历史状态及其对应的遗憾值，遗憾值基于历史状态下各候选评分的优势确定，历史状态是在当前样本状态之前的样本状态，从而提高了探索的效率，实现了对不同用户进行个性化的精确推荐，提高了用户体验。