[发明专利]一种基于强化学习的推荐策略生成方法及装置

权利要求书

1.一种基于强化学习的推荐策略生成方法，其特征在于，包括：

获取场景信息；

根据所述场景信息，生成用户模拟器；

根据所述用户模拟器生成模拟环境；

通过所述模拟环境，采用策略梯度算法生成推荐策略模型。

2.根据权利要求1所述的方法，其特征在于，在所述获取场景信息之前，所述方法还包括：

根据用户需求定义推荐场景。

3.根据权利要求1所述的方法，其特征在于，所述根据所述场景信息，生成用户模拟器包括：

根据注意力机制对所述场景信息进行用户状态描述，得到用户状态；

通过所述用户状态，确定用户决策函数和用户奖励函数；

根据所述用户决策函数和所述用户奖励函数，构建所述用户模拟器。

4.根据权利要求1所述的方法，其特征在于，在所述通过所述模拟环境，采用策略梯度算法生成推荐策略模型之后，所述方法还包括：

将所述推荐策略模型进行输出。

5.一种基于强化学习的推荐策略生成装置，其特征在于，包括：

获取模块，用于获取场景信息；

生成模块，用于根据所述场景信息，生成用户模拟器；

模拟模块，用于根据所述用户模拟器生成模拟环境；

推荐模块，用于通过所述模拟环境，采用策略梯度算法生成推荐策略模型。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

定义模块，用于根据用户需求定义推荐场景。

7.根据权利要求5所述的装置，其特征在于，所述生成模块包括：

描述单元，用于根据注意力机制对所述场景信息进行用户状态描述，得到用户状态；

确定单元，用于通过所述用户状态，确定用户决策函数和用户奖励函数；

构建单元，用于根据所述用户决策函数和所述用户奖励函数，构建所述用户模拟器。

8.根据权利要求5所述的装置，其特征在于，所述装置还包括：

输出模块，用于将所述推荐策略模型进行输出。

9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行权利要求1至4中任意一项所述的方法。

10.一种电子装置，其特征在于，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行权利要求1至4中任意一项所述的方法。