本文介绍了一种通过模型驱动的增强学习方法来优化推荐系统的推荐策略，并在真实世界的电子商务数据集上验证了该方法的有效性。该方法将用户与推荐系统之间的交互建模为马尔可夫决策过程，并通过在线用户-代理交互环境模拟器来预训练和评估模型参数。同时，还提出了一种将列表式推荐纳入推荐系统的实验方法。