分享主題
深度強化學習在電商推薦中的應用
分享背景
電子商務中的推薦系統可以通過推薦最符合用戶需求和偏好的商品來幫助用戶完成信息搜索任務。大多數現有系統將推薦視爲靜態過程，並遵循固定的貪心策略生成推薦，以最大限度地提高系統的短期收益；然而，他們無法模擬用戶偏好的動態性，並忽視了系統的長期收益。深度強化學習（DRL）能夠通過捕獲用戶的實時反饋來自動地學習最佳推薦策略並最大化系統的長期累積收益。因此，深度強化學習爲電商推薦帶來了巨大的商機。本次公開課將討論深度強化學習在電商推薦中應用的最新研究工作。
分享嘉賓
趙翔宇，密歇根州立大學2年級博士生，導師Jiliang Tang助理教授，主要研究方向爲強化學習，信息檢索，城市計算等。其研究工作曾在KDD，CIKM，ICDM，RecSys等發表。多次擔任學術會議及期刊的程序委員會委員和審稿人。更多信息 http://www.cse.msu.edu/~zhaoxi35/
分享提綱
1，簡述在電商推薦中採用深度強化學習的挑戰
2，詳述我們基於深度強化學習的推薦系統的兩個最新工作，即(Recsys’18)如何在同一頁面中聯合優化推薦生成和商品展示策略，和(KDD’18)如何通過捕獲用戶的負面反饋來提升推薦效果
3，進一步探討這一領域的研究進展和前沿方向
分享時間
北京時間 11 月 09 日（週五） 20：00
錯過直播不要緊，回放視頻上傳後也能看哦~