机构名称：
¥ 1.0
随着基于位置的服务的日益普及，准确的推荐点（POI）已成为一项关键任务。尽管研究技术精通处理数据，但是当涉及到商品中，它们在用户POI选择中的多样性和动态性方面缺乏，尤其是从复杂的历史行为中提取关键的signals。为了挑战这一挑战，我们介绍了层次加强学习预处理框架（HRL-PRP），该框架可以将其整体化为现有的建议模型，以效率优化用户配置文件。HRL-PRP框架采用了两层决策过程，其中高级过程决定了修改配置文件的必要性，而低级过程则侧重于在配置文件中选择POI。通过评估多个真实世界数据集，我们证明了HRL-PRP在各种建议性能指标中超过了现有的最新方法。
层次强化学习兴趣点建议
主要关键词
相关文件推荐
