سیستم پیشنهاد دهنده در تبلیغات برخط با استفاده از یادگیری تقویتی

سیستم های پیشنهاد دهنده موظف اند ، یک یا تعدادی کالا را از میان انبوهی از کالا ها با ویژگی های مختلف، به یک فرد بر اساس علایق او پیشنهاد کنند. امروزه، نیاز به این سیستم ها با توجه به رشد سریع اطلاعات در تجارت الکترونیک بیش از پیش احساس می شود. ظهور هوش مصنوعی باعث شده تا ابزار هایی مناسب برای رویارویی با مسائل در دنیایی واقعی فراهم باشد. در این پژوهش با استفاده از یادگیری تقویتی که یکی از زیرمجموعه های یادگیری ماشین می باشد و با استفاده از آزمون و خطا و تعادل بین کاوش و بهره برداری مسیر بهینه را می یابد، سیستم پیشنهاد دهنده ارائه می شود. انواع مختلفی از الگوریتم های غیر مبتنی بر مدل وجود دارند که در این تحقیق با استفاده از الگوریتم شبکه عمیق q سیاست بهینه برای پیشنهاد کالا تشخیص داده می شود. معمولا در این الگوریتم ها از تقریب تابع در محیط های با فضای بزرگ وضعیت ها استفاده می شود. در این تحقیق به منظور یافتن جواب بهتر و عملکرد بالاتر از شبکه های مختلف عمیق استفاده شده است. ابتدا برای استخراج ویژگی ها از مشاهدات از شبکه کانولوشنی استفاده می کنیم و سپس شبکه های بازگشتی را به این منظور استفاده می کنیم. نتایج آزمایش بر روی محیط recogym که بر اساس تبلیغات برخط است، نشان می دهد که مدل نهایی، پایدار تر است و نرخ کلیک را به طور قابل توجهی افزایش می دهد.