返回搜索
档案
一种基于强化学习的公告精准推送优化方法
发明专利未知
10权利要求 · 1 独立
§ Ⅰ
卷宗概要
IPC 分类
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。
登录后阅读全文
已显示权利要求 1。免费注册即可阅读全部 10 项权利要求、说明书全文、全部附图、翻译和法律状态。
- 全部权利要求
- 技术领域
- 背景技术
- 发明内容
- 附图说明
- 具体实施方式