基于强化学习的推荐研究综述

• 作者: 余力 杜启翰 岳博妍 向君瑶 徐冠宇 冷友方
• 来源期刊: 计算机科学
• 关键词: 推荐系统 强化学习 深度强化学习 马尔可夫决策过程 多臂老虎机
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 1-18
• 页数: 18页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11896/jsjkx.210200085

摘要

推荐系统致力于从海量数据中为用户寻找并自动推荐有价值的信息和服务,可有效解决信息过载问题,成为大数据时代一种重要的信息技术.但推荐系统的数据稀疏性、冷启动和可解释性等问题,仍是制约推荐系统广泛应用的关键技术难点.强化学习是一种交互学习技术,该方法通过与用户交互并获得反馈来实时捕捉其兴趣漂移,从而动态地建模用户偏好,可以较好地解决传统推荐系统面临的经典关键问题.强化学习已成为近年来推荐系统领域的研究热点.文中从综述的角度,首先在简要回顾推荐系统和强化学习的基础上,分析了强化学习对推荐系统的提升思路,对近年来基于强化学习的推荐研究进行了梳理与总结,并分别对传统强化学习推荐和深度强化学习推荐的研究情况进行总结;在此基础上,重点总结了近年来强化学习推荐研究的若干前沿,以及其应用研究情况.最后,对强化学习在推荐系统中应用的未来发展趋势进行分析与展望.