検索に戻る
案件記録

一种基于强化学习的公告精准推送优化方法

発明不明
10請求項 · 1 独立
§ Ⅰ

案件概要

発明者

鲁志浩

出願日

Aug 26, 2026

公開日

Oct 27, 2026

IPC分類

G06F 16/9535 (2019.01)G06N 3/092 (2023.01)G06N 3/0475 (2023.01)G06N 3/045 (2023.01)G06F 18/214 (2023.01)

本发明涉及人工智能技术领域,公开了一种基于强化学习的公告精准推送优化方法,具体包括:采集用户日志与公告数据,经衰减加权与编码拼接为状态向量;以状态向量为条件,由离线数据训练的扩散生成器经加噪去噪生成K个候选动作,每个含公告、延迟、渠道;将候选动作输入由等变性损失和TD误差训练的Q集成体,用与Q方差正相关的保守惩罚校正Q值并选最大者执行;采集反馈得奖励,与前后状态及动作组成四元组存入池;批量采样后计算TD误差、等变性损失与正则项,加权更新两模块,循环迭代。本发明采用扩散生成与等变性CQL,实现多模态动作生成与自适应保守评估,兼顾探索效率与长期留存。

ログインして全文を読む

請求項 1 を表示しています。無料登録で全 10 項の請求項、明細書全文、全図面、翻訳、法的状態を閲覧できます。

  • 全請求項
  • 技術分野
  • 背景技術
  • 発明の概要
  • 図面の説明
  • 発明を実施するための形態

外部リソース