0、什么是强化学习 　　强化学习是一类算法, 是让计算机实现从一开始什么都不懂, 脑袋里没有一点想法, 通过不断地尝试, 从错误中学习, 最后找到规律, 学会了达到目的的方法. 这就是一个完整的强化学习过程。 　　原来计算机也需要一位虚拟的老师, 这个老师比较吝啬, 他不会告诉你如何移动 ...

。 推荐系统需要对用户反馈作出快速及时的响应。 这两点本篇分别通过强化学习和 Flink 来实现 ...

1、进化策略（ES：evolution strategy） 　　在一定的抽象程度上，进化方法可被视为这样一个过程：从个体构成的群体中采样并让其中成功的个体引导未来后代的分布。但是，其数学细节在生物进化方法的基础上实现了很大的抽象，我们最好将进化策略看作是一类黑箱的随机优化技术。 　　策略 ...

torch.distributions.Categorical() 功能：根据概率分布来产生sample，产生的sample是输入tensor的index 如： 　　>&g ...

Flink + 强化学习搭建实时推荐系统 思维导图 强化学习 决策 代表强化学习本身的特点。需要对瞬息万变的局势进行评估并快速作出相应的选择，同时需要考虑长期的目标而非仅仅是短期收益 强化学习的最终目标是学习出一个策略来最大化期望奖励。策略指的是智能体如何根据环境状态来决定下一步的动作 ...

摘要 新闻推荐系统中，新闻具有很强的动态特征（dynamic nature of news features），目前一些模型已经考虑到了动态特征。 一：他们只处理了当前的奖励（ctr）;、 二：有一些模型利用了用户的反馈，如用户返回的频率。（user feedback ...

怎么也逃不开这些NLP方面的模型，那就Good good study! 一：RNN 核心思想：包含循环的网络，允许信息的持久化。可以将RNN展开为以下的这种模型，简言之就是每一步产生的输出可以从当前步传递到下一步 所有 RNN 都具有一种重复神经网络模块的链式的形式。在标准的 RNN 中 ...

1、摘要： 提出了一种新的深度强化学习框架的新闻推荐。由于新闻特征和用户喜好的动态特性，在线个性化新闻推荐是一个极具挑战性的问题。 虽然已经提出了一些在线推荐模型来解决新闻推荐的动态特性，但是这些方法主要存在三个问题：①只尝试模拟当前的奖励（eg：点击率）②很少考虑使用除了点击 / 不点击标签 ...