结合强化学习和用户短期行为的新闻推荐算法

针对传统的协同过滤推荐算法仅根据用户历史评分矩阵进行推荐,存在矩阵稀疏和无法动态观察用户兴趣变化的问题,提出一种将用户短期行为和强化学习相结合的新闻推荐方法。将新闻文本向量化后,通过聚类提取类别特征,再根据强化学习中的状态、动作和奖励等概念,以Double DQN算法为框架来建立推荐模型,利用循环神经网络近似动作值函数来进行计算。最后在财新网的真实新闻浏览数据集上对提出的算法进行验证,对比传统算法,实验结果表明,提出的算法在推荐准确率、召回率等指标上都有明显提高,能够更加有效地进行推荐。