公开(公告)号：CN117575730A

公开(公告)日：2024-02-20

申请号：CN202311531235.9

申请日：2023-11-16

Applicant: 南京大学

Inventor： 詹德川 ,  叶翰嘉 ,  韩路 ,  黄楷宸 ,  周志华

IPC: G06Q30/0601 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开一种基于离散表征强化学习的商品推荐系统，将商品图像输入卷积神经网络，得到m个向量作为初级表征；初始化N个基底向量，对m个表征向量中的每一个向量，找出与其距离最近的基底向量j，得到商品的离散表征；将商品编码为m维的向量v_i，将用户的历史信息编码为m维的向量s_i，使用v_i和s_i的内积刻画用户对商品的感兴趣程度；使用S4 Layer来建模状态转移函数，输入当前时刻用户信息以及选择的商品，对网络参数进行更新，得到最终的策略网络；对于目标用户，利用训练好的策略网络中；取最大的K个概率值及其对应的商品，推荐给用户。本发明使用强化学习来刻画用户对商品的感兴趣程度，提高推荐准确率。