.png){kind=icon}
返回
Personalized fund recommendation with dynamic utility learning
.png){kind=icon}
OA
AI
DOI：10.1186/s40854-024-00720-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究介绍了一种基于epsilon-greedy算法和增量学习框架的基金推荐系统。该模型模拟了客户浏览基金产品网页时的互动过程。客户在访问基金推荐网页时会点击其偏好的基金产品。系统收集客户点击序列以持续估计和更新其效用函数。系统使用is an element of-greedy算法生成产品列表，其中列表中的每个产品有1-is an element of的概率被选为利用策略，而is an element of的概率则被选为探索策略。我们进行了一系列数值测试，以评估不同is an element of值下的估计性能。
Keyword:
Personalized fund recommendation
Dynamic utility learning
Dynamic utility learning
is an element of-greedy algorithm
期刊
IF:
7.2
论文数:
959
被引数:
3.4K
机构
引用论文
Dynamic Attention Deep Model for Article Recommendation by Learning Human Editors' Demonstration.png)
Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 23rd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏分享收藏Incremental Elicitation of Rank-Dependent Aggregation Functions based on Bayesian Linear RegressionOAAI
OAAI分享收藏
查看更多内容