强化学习如何用于信息检索？请看ECIR2021《基于强化学习的信息检索》教程，附175页ppt与视频

强化学习(RL)使智能体能够通过动态环境中的交互学习最佳决策。深度学习和强化学习的最新进展使得智能体在各个领域都取得了前所未有的成功，并在许多任务中取得了超人的表现。RL和深度学习影响了当今学术界和工业的几乎所有领域，将它们应用于信息检索(IR)的兴趣越来越大。像谷歌和阿里巴巴这样的公司已经开始使用基于强化学习的搜索和推荐引擎来个性化他们的服务，并在他们的生态系统中增强用户体验。

目前学习RL的在线资源要么专注于理论，牺牲了实践，要么局限于实践，缺乏足够的直觉和理论背景。这个全天的教程是为信息检索研究人员和实践者精心定制的，以获得最流行的RL方法的理论知识和实践经验，使用PyTorch和Python Jupyter 笔记本谷歌Colab。我们的目的是让参加者具备RL的应用知识，帮助他们更好地了解有关RL的最新IR出版物，并使他们能够使用RL解决自己的IR问题。

我们的教程不需要任何关于该主题的知识，并从基本概念和算法开始，如马尔科夫决策过程，探索与利用，Q-学习，决策梯度和Actor-Critic算法。我们特别关注强化学习和深度学习的结合，使用深度Q-Network (DQN)等算法。最后，我们描述了如何利用这些技术来解决代表性的IR问题，如“学习排序”，并讨论了最近的发展以及对未来研究的展望。

目录内容：

• RL Basics and Tabular Q-Learning

• Deep Q-Network (DQN) 1/2 (presentation)

• Coffee Break

• Deep Q-Network (DQN) 2/2 (hands-on)

• IR Applications using DQN

•  Lunch Break (45 minutes extra)

• Policy Gradient (REINFORCE)

• IR Applications using REINFORCE

•  Actor Critic
  

• Outlook

  
  

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“RLIR” 就可以获取《强化学习如何用于信息检索？请看ECIR2021《基于强化学习的信息检索》教程，附175页ppt与视频》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源