您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202101-6
论文题目 基于深度强化学习的商品推荐系统
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于深度强化学习的商品推荐系统

首发时间:2021-01-04

黄阳明 1   

黄阳明,男,全日制在读学硕,研究方向:深度强化学习+推荐系统

邝坚 1   

邝坚(1966),男,硕导,研究方向:物联网与智能系统、星载软件

  • 1、北京邮电大学计算机学院,北京,100086

摘要:现在的商品推荐系统常建立在用户数据已充分获取,且其行为特征在长期时间内都不会发生改变的基础上。但用户和推荐系统往往会发生持续且密切的交互行为,从而更好的揭示当前用户的行为特征,为推荐系统进行精准推荐提供更多的依据。针对这一问题,本文主要做了一下两方面工作。第一,本文设计并实现了多元素逼近状态机制和动作分组机制。多元素逼近状态机制使得获取相近状态奖励值时有更多的凭证,也能获得更相近的状态元素。动作分组机制是收集同一动作为一组,减少对每一个状态的计算量。第二,本文对商品推荐系统进行了扩展和优化的研究,系统能支持多次的深度强化学习推荐算法模块的更新和落实,设计并实现了支持用户登录,商品推荐,用户商品操作,用户操作记录的商品推荐系统。?????

关键词: 深度强化学习 多元素逼近状态 动作分组

For information in English, please click here

Commodity recommendation system based on deep reinforcement learning

HuangYangMing 1   

黄阳明,男,全日制在读学硕,研究方向:深度强化学习+推荐系统

KuangJian 1   

邝坚(1966),男,硕导,研究方向:物联网与智能系统、星载软件

  • 1、School of Computer, Beijing University of Posts and Telecommunications, Beijing,10086

Abstract:Current commodity recommendation systems are often based on the fact that user data has been fully obtained, and their behavior characteristics will not change in a long time. However, users and recommendation systems often have continuous and close interactions, which can better reveal current user behavior characteristics and provide more basis for recommendation systems to make accurate recommendations. In response to this problem, this article has mainly done two aspects of work. First, this paper designs and implements a multi-element approaching state mechanism and an action grouping mechanism. The multi-element approaching state mechanism makes it possible to obtain more credentials when obtaining the reward value of the similar state, and to obtain more similar state elements. The action grouping mechanism is to collect the same action as a group, reducing the amount of calculation for each state. Second, this article studies the expansion and optimization of the product recommendation system. The system can support multiple updates and implementations of deep reinforcement learning recommendation algorithm modules. It is designed and implemented to support user login, product recommendation, user product operations, and user operations. Recorded commodity recommendation system.

Keywords: Deep reinforcement learning, multi-element approaching state, Action grouping

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
黄阳明,邝坚. 基于深度强化学习的商品推荐系统[EB/OL]. 北京:中国科技论文在线 [2021-01-04]. http://www.paper.edu.cn/releasepaper/content/202101-6.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于深度强化学习的商品推荐系统