雷锋网AI研习社讯：电子商务中的推荐系统可以通过推荐最符合用户需求和偏好的商品来帮助用户完成信息搜索任务。大多数现有系统将推荐视为静态过程，并遵循固定的贪心策略生成推荐，以最大限度地提高系统的短期收益；然而，他们无法模拟用户偏好的动态性，并忽视了系统的长期收益。深度强化学习（DRL）能够通过捕获用户的实时反馈来自动地学习最佳推荐策略并最大化系统的长期累积收益。因此，深度强化学习为电商推荐带来了巨大的商机。本次公开课将讨论深度强化学习在电商推荐中应用的最新研究工作。
分享主题
深度强化学习在电商推荐中的应用
分享嘉宾
赵翔宇，密歇根州立大学2年级博士生，导师Jiliang Tang助理教授，主要研究方向为强化学习，信息检索，城市计算等。其研究工作曾在KDD，CIKM，ICDM，RecSys等发表。多次担任学术会议及期刊的程序委员会委员和审稿人。更多信息：http://www.cse.msu.edu/~zhaoxi35/
分享提纲
1，简述在电商推荐中采用深度强化学习的挑战
2，详述我们基于深度强化学习的推荐系统的两个最新工作，即(Recsys’18)如何在同一页面中联合优化推荐生成和商品展示策略，和(KDD’18)如何通过捕获用户的负面反馈来提升推荐效果
3，进一步探讨这一领域的研究进展和前沿方向
分享时间
北京时间 11 月 09 日（周五） 20：00
错过直播不要紧，回放视频上传后也能看哦~
直播链接
http://www.mooc.ai/open/course/593
想了解更多雷锋网(公众号：雷锋网) AI 研习社直播？
欢迎移步雷锋网 AI 研习社社区~
雷锋网版权文章，未经授权禁止转载。详情见转载须知。
