基于随机奖励稳定化的模型无关强化学习在推荐系统中的应用

该论文提出了一种基于生成对抗网络的强化学习框架，用于解决推荐系统中的应用挑战。通过开发用户模型作为仿真环境，并使用Cascading DQN算法获得组合推荐策略，实验证明该框架能更好地解释用户行为，并提高长期回报和点击率。