知识增强策略引导的交互式强化推荐系统

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％.

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

所属期刊栏目：8

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研专项资金资助项目No.2021RC217

在线出版日期：2022-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共18页

页码：88-105