基于哈夫曼树的高计算效率深度强化学习的推荐方法技术

本发明专利技术涉及一种基于哈夫曼树的高计算效率深度强化学习的推荐方法，包括如下步骤：1)、用户与推荐系统交互的强化学习建模；2)、用户与推荐系统的交互表征的建立；3)、多元哈夫曼树推荐策略的构建；4)、推荐系统的构建；5)推荐系统的部署。本发明专利技术的优点为：采用哈夫曼树作为推荐策略神经网络建模，有效降低推荐系统学习和决策时的时间复杂度，提升效率。

【技术实现步骤摘要】

本专利技术涉及推荐系统，具体涉及一种基于哈夫曼树的高计算效率深度强化学习的推荐方法。

技术介绍

1、交互式推荐系统广泛参与到人们的日常生活中，特别是由于抖音、youtube和amazon等互联网应用程序的流行。相比于传统的推荐系统常用的协同过滤、有监督学习等方法，交互式推荐系统的推荐方法更能捕捉用户兴趣的变化，对长期的利用效果较好。近年来，深度强化学习取得了较好的发展，其优化长远利益的特点，在交互式推荐系统上展现了很大的优势，很多交互式推荐方法被提出来。

2、然而，由于推荐系统的推荐条目往往众多，使用深度强化学习做交互式推荐时会面临着大规模离散型动作空间的问题，现有的方法如ddpg-knn和tpgr等方法在解决这类问题上往往不够高效，在学习和部署推荐系统时面临着效率低的问题，影响了推荐系统的用户体验。

技术实现思路

1、本专利技术的目的在于针对现有技术的不足，提供一种基于哈夫曼树的高计算效率深度强化学习的推荐方法，利用推荐条目访问频率的不同，构建高效学习和决策的推荐系统，提升训练和决策的速度，从而本文档来自技高网...

【技术保护点】

1.一种基于哈夫曼树的高计算效率深度强化学习推荐方法，其特征在于包括如下步骤：

2.根据权利要求1所述的一种基于哈夫曼树的高计算效率深度强化学习推荐方法，其特征在于：所述步骤S2中，用户与推荐系统特征建模的方法为：根据用户当前时刻之前的n个所选条目的特征向量以及评价分数，结合用户自身的特征向量，输入一个全连接神经网络进行处理，得到输出后，采用注意力机制对特征进行抽取，输出结果作为用户与推荐系统交互的特征表征。

3.根据权利要求1所述的一种基于哈夫曼树的高计算效率深度强化学习推荐方法，其特征在于：多元哈夫曼树的每个叶节点的输出为所述推荐条目被推荐的概率；所述多元哈夫...

【技术特征摘要】

1.一种基于哈夫曼树的高计算效率深度强化学习推荐方法，其特征在于包括如下步骤：

2.根据权利要求1所述的一种基于哈夫曼树的高计算效率深度强化学习推荐方法，其特征在于：所述步骤s2中，用户与推荐系统特征建模的方法为：根据用户当前时刻之前的n个所选条目的特征向量以及评价分数，结合用户自身的特征向量，输入一个全连接神经网络进行处理，得到输出后，采用注意力机制对特征进行抽取，输出结果作为用户与推荐系统交互的特征表征。

3.根据权利要求1所述的一种基于哈夫曼树的高计算效率深...

【专利技术属性】
技术研发人员：石龙翔，李琛，侯兢喆，张子麟，金苍宏，杨枨，
申请(专利权)人：浙大城市学院，
类型：发明
国别省市：