申请/专利权人：电子科技大学;成都中天泰瑞科技有限公司

申请日：2023-06-14

公开（公告）日：2023-09-05

公开（公告）号：CN116701763A

主分类号：G06F16/9535

分类号：G06F16/9535;G06N3/0464;G06N3/092;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.09.22#实质审查的生效;2023.09.05#公开

摘要：本发明公开了混合乐观随机集成Q‑learning的推荐方法，包括：构建推荐策略的多个Q值网络和缓冲池；执行推荐时，选取Q值最大的动作并进行状态转移，并记录状态转移的交互轨迹存储到缓冲池；构造真实Q值估计的上置信界；形成集成了Q值网络的差异的目标值；更新Q值网络；重复进行Q值网络更新至策略性能；进行推荐运算。本发明通过集成Q值网络的差异性构造真实Q值估计的上置信界去鼓励在具有高的不确定性区域进行探索，集成Q值网络的差异衡量不确定性，继而用于Q值的TD更新过程中，进而解决基于强化学习推荐系统由于Q值被低估导致的样本探索利用效率低。

主权项：1.混合乐观随机集成Q-learning的推荐方法，其特征在于，包括：构建推荐策略的多个Q值网络和缓冲池；执行推荐时，选取Q值最大的动作并进行状态转移，并记录所述状态转移的交互轨迹存储到缓冲池；通过所述Q值网络的差异性构造真实Q值估计的上置信界；通过所述上置信界鼓励在不确定性高于预设值的区域进行探索，形成集成了所述Q值网络的差异的目标值；根据所述缓冲池数据和所述目标值更新所述Q值网络；重复获取Q值最大的动作并进行Q值网络更新至策略性能满足预设要求；根据最终的Q值网络向用户进行推荐运算。

全文数据：

权利要求：

百度查询： 电子科技大学;成都中天泰瑞科技有限公司 混合乐观随机集成Q-learning的推荐方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD