HRL Rec
1.0.0
综合建议旨在通过多个渠道从不同来源的主要供稿中共同推荐异质项目，这需要在项目和频道级别上捕获用户偏好。数十亿用户已广泛用于实践系统中，而很少有工作集中在系统上的集成推荐上。
在这项工作中，我们提出了一个新颖的层次增强学习框架（HRL-REC），该框架将集成的建议分为两个任务，以依次推荐渠道和项目。
低级代理是频道选择器，它生成个性化的频道列表。高级代理是一个推荐的项目，该项目在频道约束下推荐了来自异质通道的特定项目。
HRL-REC也已被部署在微信中的故事中，影响了数百万用户。
在实际的在线系统中，HRL-REC是C ++实现的复杂重新排列框架。所有型号均基于分布式Tensorflow的深层定制版本培训，并支持大规模稀疏功能。
没有大量数据和机器资源，培训HRL-REC是不现实的。
因此，这里的开源代码仅实现其核心思想的简化版本，以参考感兴趣的研究人员。如果有任何错误，请与我联系。谢谢！
“集成推荐的分层增强学习”（AAAI 2020）
