摘要
在知识服务的推送过程中,档案用户行为大多呈现碎片化特征,导致系统无法动态捕捉用户需求的实时变化,进而推荐的类别覆盖率较低。为此,笔者提出了一种基于强化学习模型的档案用户行为分析与知识服务精准推送方法:首先量化档案用户的知识服务主体偏好,构建档案用户画像;然后将用户画像映射为特征向量,并结合余弦相似度与协同过滤算法对用户集群进行分配,再将档案推荐建模为马尔可夫决策过程,动态优化推送策略,并设计融合用户反馈与档案流行度的奖励函数;最后,采用离线训练模式优化模型,并结合档案得分排序生成推荐列表,实现知识服务精准推送。实验结果表明,所设计的推送方法归一化折损累计增益下降幅度较低,且推送类别覆盖率为98.3%,优于对比方法。
出处
《数字与缩微影像》
2026年第1期6-8,共3页
Digital & Micrographic Imaging
