一种基于强化学习的动态反馈推荐方法及装置

本发明公开了一种基于强化学习的动态反馈推荐方法及装置，方法包括：利用因果推理技术预训练用户行为模拟器，生成用户和物品完全交互的反事实用户‑物品二部图；加权聚合真实用户‑物品二部图和反事实用户‑物品二部图，使用Top‑K采样生成交互均衡的用户‑物品二部图；利用图卷积聚合物品的邻域用户信息，获得图结构增强的动作表征；利用门控循环单元和自注意力机制处理用户与推荐系统的交互序列，获得每个时间步的用户状态表征；根据动作表征和用户状态表征预测Q值，基于用户奖励反馈优化推荐模型的动作决策，最终实现对互联网信息的动态反馈推荐。装置包括：处理器和存储器。本发明利用因果推理和图卷积技术引入交互均衡的用户‑物品二部图信息，借助图结构关联丰富和增强智能体动作表征和用户状态表征。