強化学習を使ったリコメンドシステム

本資料は2020年9月15日に社内共有資料として展開していたものをWEBページ向けにリニューアルした内容になります。

■Outline

1. Background

1. Recommendation System
2. Reinforcement Learning
3. Recommendation System using Reinforcement Learning

2. System Structure

1. Part1: Input data
2. Part2: RNN model
3. Part3: Training
4. Part4: Item sampling
5. Part5: Recommending steps

■Recommendation System

Recommendation Algorithms:

[1]TONDJI, LIONEL NGOUPEYOU. “Web recommender system for job seeking and recruiting.” (2018).

■Reinforcement Learning(RL)

■Reinforcement learning for recommendation system

■Policy Gradient based Recommendation System

■System Structure

■Input data

• Item vector:
  　Example：カジュアルコンフォート。
  　【春夏生地】
  　　　メリノ ウールにポリエステルを混紡した丈夫でしわになりにくい素材です。
  　　　48000。
  　Embedding: Word2vec/Bert
  
• Context data:
  　Example：timing、device
  
• Reward:
  　Example：1.click: 5 point, 2.buy: 15 point 3.non-feedback: 0 point

■Using RNN model to get user state and policy

■Ignoring non-reward item

■Computing π_θ

■Training

■data sampling

■Recommendation(1st time)

■Recommendation

■ダウンロード

強化学習を使ったリコメンドシステム.pdf