一种训练推荐领域中强化学习模型的模拟器

摘要

本发明提供一种训练推荐领域中强化学习模型的模拟器，其由2个核心模型组成，一是基于GAN的用户状态生成模型；另一个是环境反馈算法，其中，环境反馈算法包括基于层次注意力的用户评级预测模型，以及用户反馈计算模型。本发明可以生成用户状态，以及对推荐智能体生成的动作进行反馈。实验结果表明，在小数据集的条件下，借助GAN网络结构的特性，模型依旧能生成可用的用户状态，同时，评分结果也在可用范围之类，此外，所构建的反馈算法不仅能够有效终止学习过程，而且所计算得到的反馈数据也符合强化学习的训练要求。