大講堂 | 深度強化學(xué)習(xí)在電商推薦中的應(yīng)用

本文作者： AI研習(xí)社

2018-11-09 15:02

導(dǎo)語：本次公開課將討論深度強化學(xué)習(xí)在電商推薦中應(yīng)用的最新研究工作。

雷鋒網(wǎng)AI研習(xí)社訊：電子商務(wù)中的推薦系統(tǒng)可以通過推薦最符合用戶需求和偏好的商品來幫助用戶完成信息搜索任務(wù)。大多數(shù)現(xiàn)有系統(tǒng)將推薦視為靜態(tài)過程，并遵循固定的貪心策略生成推薦，以最大限度地提高系統(tǒng)的短期收益；然而，他們無法模擬用戶偏好的動態(tài)性，并忽視了系統(tǒng)的長期收益。深度強化學(xué)習(xí)（DRL）能夠通過捕獲用戶的實時反饋來自動地學(xué)習(xí)最佳推薦策略并最大化系統(tǒng)的長期累積收益。因此，深度強化學(xué)習(xí)為電商推薦帶來了巨大的商機。本次公開課將討論深度強化學(xué)習(xí)在電商推薦中應(yīng)用的最新研究工作。

分享主題

深度強化學(xué)習(xí)在電商推薦中的應(yīng)用

分享嘉賓

趙翔宇，密歇根州立大學(xué)2年級博士生，導(dǎo)師Jiliang Tang助理教授，主要研究方向為強化學(xué)習(xí)，信息檢索，城市計算等。其研究工作曾在KDD，CIKM，ICDM，RecSys等發(fā)表。多次擔(dān)任學(xué)術(shù)會議及期刊的程序委員會委員和審稿人。更多信息：http://www.cse.msu.edu/~zhaoxi35/

分享提綱

1，簡述在電商推薦中采用深度強化學(xué)習(xí)的挑戰(zhàn)

2，詳述我們基于深度強化學(xué)習(xí)的推薦系統(tǒng)的兩個最新工作，即(Recsys’18)如何在同一頁面中聯(lián)合優(yōu)化推薦生成和商品展示策略，和(KDD’18)如何通過捕獲用戶的負面反饋來提升推薦效果

3，進一步探討這一領(lǐng)域的研究進展和前沿方向

分享時間

北京時間 11 月 09 日（周五） 20：00

錯過直播不要緊，回放視頻上傳后也能看哦~

直播鏈接

http://www.mooc.ai/open/course/593

大講堂 | 深度強化學(xué)習(xí)在電商推薦中的應(yīng)用