本研究提出了一种结合延迟奖励的内容探索新方法，以提高推荐系统中用户的长期满意度。通过开发预测模型和强盗算法，实验证明该方法在播客推荐中显著优于传统方法，对推荐系统优化具有重要意义。

本文针对强化学习中的延迟奖励问题，提出了对近端策略优化（PPO）算法的两项增强，结合离线与在线策略，并引入基于时间窗口的奖励塑造机制，以提高学习效率和性能。

本研究将内容探索任务视为多臂赌博问题，提出了一种预测延迟奖励的模型及相应算法，应用于播客推荐中，显著提升了用户满意度。

本研究将内容探索任务形式化为带有延迟奖励的多臂赌博问题，通过预测延迟奖励的模型和赌博算法提高推荐系统性能。

本研究将内容探索任务形式化为带有延迟奖励的多臂赌博问题，通过预测延迟奖励的模型和赌博算法提高推荐系统性能。