摘 要：最近，强化学习序列推荐系统受到研究者们的广泛关注，这得益于它能更好地联合建模用户感兴趣的内动态和外倾向。然而，现有方法面临同策略评估方法数据利用率低，导致模型依赖大量的专家标注数据，以及启发式价（试读）...
登录
