Тип публикации: статья из журнала
Год издания: 2024
Идентификатор DOI: 10.52261/02346206_2024_2_144
Ключевые слова: graph neural networks, integrated model, double deep Q-network method, reinforcement learning method, personalized recommender systems, графовые нейронные сети, интегрированная модель, метод двойных глубоких Q-сетей, метод обучения с подкреплением, персонализированные рекомендательные системы
Аннотация: Представлен современный подход к системам персонализированных рекомендаций, сочетающий в себе графовые нейронные сети GNN с методами обучения с подкреплением RL. GNN-модель оптимизирована для рекомендательных систем и обучается на основе векторных представлений пользователей и продуктов, которые используются для генерации первоначаПоказать полностьюльного списка рекомендаций, передающихся в RL-модель. Особое внимание уделено архитектуре и функционированию интегрированной модели GNN-RL. Приведены результаты экспериментальных исследований, демонстрирующие эффективность предложенного подхода. A modern approach to personalized recommendation systems is presented, combining graph neural networks (GNNs) with reinforcement learning (RL) techniques. The GNN model is optimized for recommender systems and is trained on vector representations of users and products, which are used to generate an initial list of recommendations that are fed to the RL model. Particular attention is paid to the architecture and operation of the integrated GNN-RL model. The results of experimental studies demonstrating the effectiveness of the proposed approach are presented.
Журнал: Проблемы машиностроения и автоматизации
Выпуск журнала: №2
Номера страниц: 144-151
ISSN журнала: 02346206
Место издания: Москва
Издатель: Институт машиноведения им. А.А. Благонравова РАН