公开(公告)号：CN114819387A

公开(公告)日：2022-07-29

申请号：CN202210536528.5

申请日：2022-05-17

Applicant: 河南大学

Inventor： 侯彦娥 ,  谷文博 ,  党兰学 ,  葛强 ,  何雯雯 ,  左宪禹 ,  刘冰冰

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q30/02 ,  G06Q30/06

Abstract: 本发明提供一种基于深度强化学习的时序推荐方法及系统。该方法包括：根据用户在t时刻的项目集It以及用户信息，生成t时刻的用户状态st；将用户状态st作为训练好的Actor模型的输入信息，得到用户状态st下的推荐动作at；将推荐动作at推荐给用户，并获得对应的用户反馈信息rt；根据用户反馈信息rt得到t+1时刻的用户状态st+1和项目集It+1，并将t时刻对应的推荐动作集合(st,at,rt,st+1)存储到经验池M以对经验池M进行更新；将用户状态st和推荐动作at作为训练好的Critic模型的输入信息，得到用户状态st下的Q函数值，根据Q函数值和用户反馈信息rt计算得到损失函数值；根据Q函数值和损失函数值，以最新的经验池M作为训练数据更新Actor模型的网络参数和Critic模型的网络参数。