RLCP以强化学习动态缩减推荐动作集

Wenwen Si与Honghao Wei提出强化学习校准剪枝方法RLCP，依据评论器分数和在线阈值动态调整序贯推荐中的保留动作集；论文摘要称，在明确的代理目标与评论器近似条件下，该方法可给出考虑选择误差和集合截断的有限会话奖励界，且不要求学习参数收敛。 作者在KuaiRand-Pure和MovieLens 1M上将RLCP的两种实现与4个强化学习基线比较。摘要报告称，19种配置中至少一种RLCP变体取得最高目录多样性，为最强基线的1.11至5.21倍，同时会话深度具有竞争力，保留集未增大。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。