买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：渊慧科技有限公司

摘要：从要在环境中执行的动作集合中选择动作的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。方法之一包括，在每个时间步：维护计数数据；对于每个动作，确定相应当前转移概率分布，该相应当前转移概率分布包括中间信号中的每一个的相应当前转移概率，该当前转移概率表示如果该动作被执行则中间信号将被观察到的当前可能性的估计；对于每个中间信号，确定相应的奖励估计，该相应的奖励估计是作为观察到中间信号的结果将接收到的奖励的估计；从相应当前转移概率分布和相应的奖励估计确定每个动作的相应动作得分；以及基于相应动作得分来选择要执行的动作。

主权项：1.一种从要在内容项推荐设定中推荐的内容项集合中选择内容项的方法，所述方法包括，在多个时间步的序列中的每个时间步：维护计数数据，所述计数数据：i对于每个内容项以及对于中间信号的离散集合中的每个中间信号，指定响应于在包括固定数量的最新近时间步的最近时间窗期间所述内容项被推荐而已经观察到所述中间信号的次数的相应窗口化计数，以及ii对于每个中间信号，a指定对于在不包括最近时间窗中的一些或所有最新近时间步的更长时间窗期间响应于在所述时间步推荐的内容项所述中间信号已经被观察到的时间步的已经接收到的奖励的奖励计数，以及b指定在不包括所述最近时间窗中的一些或所有最新近时间步的更长时间窗期间已经观察到所述中间信号的次数的延迟计数，其中，所述离散集合中的每个中间信号描述内容项已经被推荐之后但是已经接收到推荐的内容项的奖励之前环境的对应状态，并且其中，每个奖励是度量响应于内容项而观察到所述中间信号的内容项的质量的数值；从所述计数数据中针对每个内容项确定包括所述中间信号中的每一个的相应当前转移概率的相应当前转移概率分布，所述相应当前转移概率表示如果所述内容项被推荐则所述中间信号将被观察到的当前可能性的估计；从中间信号的奖励计数和中间信号的延迟计数针对每个中间信号确定相应的奖励估计，所述相应的奖励估计是作为所述中间信号被观察到的结果将接收到的奖励的估计；从所述相应当前转移概率分布和所述相应的奖励估计确定每个内容项的相应内容项得分；基于所述相应内容项得分来选择要推荐的内容项；以及向用户提供所述内容项的推荐。

全文数据：

权利要求：

百度查询： 渊慧科技有限公司 从内容项集合中选择内容项的方法和系统，以及介质