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(guò)推薦最符合用戶需求和偏好的商品來(lái)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(guò)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(wú)法模擬用戶偏好的動(dòng)態(tài)性，并忽視了系統(tǒng)的長(zhǎng)期收益。深度強(qiáng)化學(xué)習(xí)（DRL）能夠通過(guò)捕獲用戶的實(shí)時(shí)反饋來(lái)自動(dòng)地學(xué)習(xí)最佳推薦策略并最大化系統(tǒng)的長(zhǎng)期累積收益。因此，深度強(qiáng)化學(xué)習(xí)為電商推薦帶來(lái)了巨大的商機(jī)。本次公開(kāi)課將討論深度強(qiáng)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(qiáng)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(jí)博士生，導(dǎo)師Jiliang Tang助理教授，主要研究方向?yàn)閺?qiáng)化學(xué)習(xí)，信息檢索，城市計(jì)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(huì)議及期刊的程序委員會(huì)委員和審稿人。更多信息：http://www.cse.msu.edu/~zhaoxi35/

分享提綱

1，簡(jiǎn)述在電商推薦中采用深度強(qiáng)化學(xué)習(xí)的挑戰(zhàn)

2，詳述我們基于深度強(qiáng)化學(xué)習(xí)的推薦系統(tǒng)的兩個(gè)最新工作，即(Recsys’18)如何在同一頁(yè)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(guò)捕獲用戶的負(fù)面反饋來(lái)提升推薦效果

3，進(jìn)一步探討這一領(lǐng)域的研究進(jìn)展和前沿方向

分享時(shí)間

北京時(shí)間 11 月 09 日（周五） 20：00

錯(cuò)過(guò)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

想了解更多雷鋒網(wǎng) AI 研習(xí)社直播？

歡迎移步雷鋒網(wǎng) AI 研習(xí)社社區(qū)~

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。