.png){kind=icon}
返回
An actor-critic based recommender system with context-aware user modeling
.png){kind=icon}
OA
AI
DOI：10.1007/s10462-025-11134-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
推荐系统通过学习用户与系统的交互并基于其偏好和兴趣进行推荐，为用户提供定制化的服务辅助。典型的推荐系统将推荐过程视为静态程序，忽视了用户偏好随时间变化的这一事实。强化学习（RL）方法是研究人员用来处理用户兴趣由其与系统最新交互捕获这一挑战的最先进和最新的技术。然而，基于RL的推荐系统的大部分近期研究仅关注用户的最新交互以生成推荐，而未考虑这些交互发生的用户情境。情境对用户的兴趣、行为和评分有重大影响，例如用户情绪、时间、日期类型、同伴、社交圈和位置等。本文提出了一种基于情境感知深度强化学习的推荐系统，专注于情境特定的状态建模方法。在该方法中，状态基于用户最新的情境进行设计。同时，还提出了一种列表式的情境感知推荐代理，在该代理中，基于用户情境，在每次交互步骤中向用户推荐一个项目列表。研究表明，结合情境变量对用户偏好进行建模，能够提升基于RL的推荐系统的性能。此外，我们在离线环境中基于情境数据集评估了所提出的方法。从评估指标来看，该方法在性能上最优地表明了其相较于现有研究的价值。更具体地说，情境感知推荐代理的最高Presicion@5、MAP@10和NDCG@10分别为77%、76%和74%。
Keyword:
Recommender systems
Sequential decision making
Deep reinforcement learning
User's context
期刊
IF:
13.9
论文数:
6.1K
被引数:
1.9W
机构
引用论文
分享收藏A context-aware diversity-oriented knowledge recommendation approach for smart engineering solution design面向智能工程解决方案设计的上下文感知多样性知识推荐方法
OAAI
OAAI分享收藏Kernel Context Recommender System (KCR): A Scalable Context-Aware Recommender System Algorithm内核上下文推荐系统 (KCR): 一种可扩展的上下文感知推荐系统算法.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容