ICML 2019 | 强化学习用于推荐系统，蚂蚁金服提出生成对抗用户模型

将强化学习用于推荐系统，能更好地考虑用户的长期效益，从而保持用户在平台中的长期满意度、活跃度。可是，强化学习须要大量训练样本，例如，AlphaGoZero [1] 进行了 490 百万局模拟围棋训练，Atari game 的强化学习在电脑中高速运行了超过 50 个小时 [2]。而在推荐系统的场景中，在线用户是训练环境，系统须要与用户进行大量的交互，利用用户的在线反馈来训练推荐策略。该过程将消耗大量

>>阅读原文<<