强化学习中的时间差分法在用户学习方面的应用  

Application of TD(0) Method in Studying Users

作　　者：陈俊杰[1,2] 张必勇[2] 宋瀚涛[1] 陆玉昌[3] 余雪丽[2] 

机构地区：[1]北京理工大学计算机系,北京100081 [2]太原理工大学计算机系,太原030024 [3]清华大学计算机系,北京100084

出　　处：《计算机工程》2004年第4期40-41,124,共3页Computer Engineering

基　　金：国家重点基础研究规划"973"计划基金资助项目(G1998030414);山西省自然科学基金资助项目(20031038);教育部科学技术研究重点项目(0

摘　　要：随着Internet上信息量的与日俱增，用户查找自己感兴趣的信息变得越来越困难。文章提出了一种使用强化学习中的时间差算法来学习用户的新学习算法，并通过实验与其它学习方法作了比较，取得了明显的成效。With the appearance of the Internet, information on the WWW is increasing exponentially .This paper proposes that user interface Agent learn user profiles by using temporal difference method in reinforcement learning. Experiments show that it is more efficient than other learning methods.

关 键 词：强化学习 时间差分法 用户Agent 用户模型 向量表示 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]