0、什么是強化學習 　　強化學習是一類算法, 是讓計算機實現從一開始什么都不懂, 腦袋里沒有一點想法, 通過不斷地嘗試, 從錯誤中學習, 最后找到規律, 學會了達到目的的方法. 這就是一個完整的強化學習過程。 　　原來計算機也需要一位虛擬的老師, 這個老師比較吝嗇, 他不會告訴你如何移動 ...

。 推薦系統需要對用戶反饋作出快速及時的響應。 這兩點本篇分別通過強化學習和 Flink 來實現 ...

1、進化策略（ES：evolution strategy） 　　在一定的抽象程度上，進化方法可被視為這樣一個過程：從個體構成的群體中采樣並讓其中成功的個體引導未來后代的分布。但是，其數學細節在生物進化方法的基礎上實現了很大的抽象，我們最好將進化策略看作是一類黑箱的隨機優化技術。 　　策略 ...

torch.distributions.Categorical() 功能：根據概率分布來產生sample，產生的sample是輸入tensor的index 如： 　　>&g ...

Flink + 強化學習搭建實時推薦系統 思維導圖 強化學習 決策 代表強化學習本身的特點。需要對瞬息萬變的局勢進行評估並快速作出相應的選擇，同時需要考慮長期的目標而非僅僅是短期收益 強化學習的最終目標是學習出一個策略來最大化期望獎勵。策略指的是智能體如何根據環境狀態來決定下一步的動作 ...

摘要 新聞推薦系統中，新聞具有很強的動態特征（dynamic nature of news features），目前一些模型已經考慮到了動態特征。 一：他們只處理了當前的獎勵（ctr）;、 二：有一些模型利用了用戶的反饋，如用戶返回的頻率。（user feedback ...

怎么也逃不開這些NLP方面的模型，那就Good good study! 一：RNN 核心思想：包含循環的網絡，允許信息的持久化。可以將RNN展開為以下的這種模型，簡言之就是每一步產生的輸出可以從當前步傳遞到下一步 所有 RNN 都具有一種重復神經網絡模塊的鏈式的形式。在標准的 RNN 中 ...

1、摘要： 提出了一種新的深度強化學習框架的新聞推薦。由於新聞特征和用戶喜好的動態特性，在線個性化新聞推薦是一個極具挑戰性的問題。 雖然已經提出了一些在線推薦模型來解決新聞推薦的動態特性，但是這些方法主要存在三個問題：①只嘗試模擬當前的獎勵（eg：點擊率）②很少考慮使用除了點擊 / 不點擊標簽 ...