结合强化学习和用户短期行为的新闻推荐算法

来源：计算机应用与软件杂志2024年第4期北京时间：

作者：姚楠, 何山, 赵越, 李任花

摘要：针对传统的协同过滤推荐算法仅根据用户历史评分矩阵进行推荐, 存在矩阵稀疏和无法动态观察用户兴趣变化的问题, 提出一种将用户短期行为和强化学习相结合的新闻推荐方法。将新闻文本向量化后, 通过聚类提取类别特征, 再根据强化学习中的状态、动作和奖励等概念, 以Double DQN算法为框架来建立推荐模型, 利用循环神经网络近似动作值函数来进行计算。最后在财新网的真实新闻浏览数据集上对提出的算法进行验证, 对比传统算法, 实验结果表明, 提出的算法在推荐准确率、召回率等指标上都有明显提高, 能够更加有效地进行推荐。

关键词：推荐系统, 强化学习, 新闻推荐, 神经网络, 聚类