本說明書一個或多個實施例提供一種推薦列表的生成方法、裝置和電子設備;所述方法包括:獲取用戶的用戶特征;根據所述用戶特征和預先訓練的強化學習模型,得到所述用戶點擊推薦列表中的列表項的預測結果;響應于所述用戶對所述推薦列表中的列表項的點擊操作,得到點擊結果;根據所述預測結果和所述點擊結果,確定對應于所述預測結果的獎勵分數;確定基準獎勵分數;根據所述基準獎勵分數,采用策略梯度算法優化所述強化學習模型,優化后的所述強化學習模型用于生成對應于所述用戶的推薦列表。
聲明:
“推薦列表的生成方法、裝置和電子設備” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)