首页下载资源人工智能无标题代码代码代码代码代码

ZIP无标题代码代码代码代码代码

github_3389064710.51MB需要积分:1

资源文件列表:

RMTL-main.zip 大约有50个文件
  1. RMTL-main/
  2. RMTL-main/Framework.pdf 27.27KB
  3. RMTL-main/README.md 2.16KB
  4. RMTL-main/RLmain.py 1.4KB
  5. RMTL-main/SLmain.py 7.99KB
  6. RMTL-main/agents/
  7. RMTL-main/agents/DDPG_ESMM.py 12.81KB
  8. RMTL-main/agents/DDPG_ESMM_BC.py 7.81KB
  9. RMTL-main/agents/ReplayBuffer.py 1.72KB
  10. RMTL-main/agents/__pycache__/
  11. RMTL-main/agents/__pycache__/DDPG_ESMM.cpython-38.pyc 8.87KB
  12. RMTL-main/agents/__pycache__/DDPG_ESMM_BC.cpython-38.pyc 5.17KB
  13. RMTL-main/agents/__pycache__/ReplayBuffer.cpython-38.pyc 1.76KB
  14. RMTL-main/doc.md 8.15KB
  15. RMTL-main/env.py 6.12KB
  16. RMTL-main/layers/
  17. RMTL-main/layers/__pycache__/
  18. RMTL-main/layers/__pycache__/critic.cpython-38.pyc 2.04KB
  19. RMTL-main/layers/__pycache__/layers.cpython-38.pyc 1.77KB
  20. RMTL-main/layers/critic.py 2.39KB
  21. RMTL-main/layers/esmm.py 1.7KB
  22. RMTL-main/layers/layers.py 1.3KB
  23. RMTL-main/pretrain.zip 10.5MB
  24. RMTL-main/slmodels/
  25. RMTL-main/slmodels/__pycache__/
  26. RMTL-main/slmodels/__pycache__/aitm.cpython-38.pyc 2.94KB
  27. RMTL-main/slmodels/__pycache__/esmm.cpython-38.pyc 1.97KB
  28. RMTL-main/slmodels/__pycache__/layers.cpython-38.pyc 1.77KB
  29. RMTL-main/slmodels/__pycache__/mmoe.cpython-38.pyc 2.87KB
  30. RMTL-main/slmodels/__pycache__/omoe.cpython-38.pyc 2.58KB
  31. RMTL-main/slmodels/__pycache__/ple.cpython-38.pyc 3.62KB
  32. RMTL-main/slmodels/__pycache__/sharedbottom.cpython-38.pyc 1.92KB
  33. RMTL-main/slmodels/__pycache__/singletask.cpython-38.pyc 2.22KB
  34. RMTL-main/slmodels/aitm.py 2.5KB
  35. RMTL-main/slmodels/esmm.py 1.7KB
  36. RMTL-main/slmodels/layers.py 1.3KB
  37. RMTL-main/slmodels/metaheac.py 7.94KB
  38. RMTL-main/slmodels/mmoe.py 2.06KB
  39. RMTL-main/slmodels/omoe.py 2.05KB
  40. RMTL-main/slmodels/ple.py 3.8KB
  41. RMTL-main/slmodels/sharedbottom.py 1.43KB
  42. RMTL-main/slmodels/singletask.py 1.63KB
  43. RMTL-main/train/
  44. RMTL-main/train/Arguments.py 1.54KB
  45. RMTL-main/train/__pycache__/
  46. RMTL-main/train/__pycache__/Arguments.cpython-38.pyc 1.42KB
  47. RMTL-main/train/__pycache__/run.cpython-38.pyc 7.96KB
  48. RMTL-main/train/__pycache__/utils.cpython-38.pyc 7.78KB
  49. RMTL-main/train/run.py 11.62KB
  50. RMTL-main/train/utils.py 9.34KB

资源介绍:

无标题代码代码代码代码代码
# Multi-Task Recommendations with Reinforcement Learning Source code of [Multi-Task Recommendations with Reinforcement Learning](https://dl.acm.org/doi/10.1145/3543507.3583467) Code for RetailRocket Dataset. **Google Drive link for processed RetailRocket data:** https://drive.google.com/file/d/1THRWKttdpmcNaEc1DtKwxgYlV8RLMtV5/view?usp=sharing # Model Code + layers: stores common network structures + critic: critic network + esmm: esmm(actor) network, can introduce other MTL models as actor inside slmodels + layers: classical Embedding layers and MLP layers + slmodels: SL baseline models + agents: RL models + train: training-related configuration + env.py: offline sampling simulation environment + RLmain.py: main RL training program + SLmain.py: SL training main program + dataset + rtrl：retrailrocket dataset（Convert to MDP format：）[timestamp,sessionid,itemid,pay,click], [itemid,feature1,feature2,..],6:2:2 # How to run it ## MTL baselines python3 SLmain.py --model_name=esmm ## RMTL python3 RLmain.py python3 SLmain.py --model_name=esmm --polish=1 ## Result： test: best auc: 0.732444172986328 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 134/134 [00:07<00:00, 19.14it/s] task 0, AUC 0.7273702846096346, Log-loss 0.20675417715656488 task 1, AUC 0.7247954179346048, Log-loss 0.048957254763240504 # Citation： Please cite with the below bibTex if you find it helpful to your research. ``` @inproceedings{liu2023multi, title={Multi-Task Recommendations with Reinforcement Learning}, author={Liu, Ziru and Tian, Jiejie and Cai, Qingpeng and Zhao, Xiangyu and Gao, Jingtong and Liu, Shuchang and Chen, Dayou and He, Tonghao and Zheng, Dong and Jiang, Peng and others}, booktitle={Proceedings of the ACM Web Conference 2023}, pages={1273--1282}, year={2023} } ```
100+评论
captcha

    相关资源

    1. 广东省各地市县2003~2022年经济指标数据.zip

      JimmyStuart0#行业研究ZIP964.14KB6月前
      资源摘要:广东省各地市县2003~2022年经济指标数据.zip

    2. translator-rs-x86_64-unknown-linux-musl (1).zip

      qq_53270287#行业研究ZIP4.52MB6月前
      资源摘要:translator-rs-x86_64-unknown-linux-musl (1).zip

    3. flask简单自学（docker形式）

      weixin_42695345#后端ZIP38.26KB6月前
      资源摘要:flask简单自学（docker形式）

    4. MultiDesk.exe

      pony12#操作系统ZIP351.36KB6月前
      资源摘要:MultiDesk 是一个选项卡(TAB标签)方式的远程桌面连接 (Terminal Services Client)。

    5. 基于栈的虚拟机，可执行字节码

      fuchenyang01#后端ZIP19.1KB6月前
      资源摘要:定义了基础的字节码，可以读取并且识别字节码，并用栈机执行，可用于开发自己的脚本语言

    6. 交换机自动化备份配置（H3C）

      zero_number#网络技术ZIP3.98KB6月前
      资源摘要:​介绍：在日常运维过程中，需要定时备份设备的配置，在设备数量过于庞大的情况下，对我们的运维工作会造成极大地不便，通过python自动化能够完美解决人工手动保存设备配置的问题。而且自动化运维在未来也一定是大势所趋，在没有厂家网管软件的加持下，通过python是当下最好的选择。代码介绍：本次自动化代码中，共3个文件 backup.py：通过运行此python程序实现定时备份设备配置文件command.txt：设备查看全部配置文件命令sw.txt：需要备份的设备IP，每次输入一个IP需要换行处理代码执行效果： 执行代码后，会自动新建一个文件夹，而文件夹的名字会获取当前日期来进行命名而文件夹内则是存储当日保存的设备配置文件，配置文件的命令是通过抓取交换机的设备名+当前日期（年月日时分秒）来进行命名的。  代码可以通过修改，来满足管理员的需求，你想7天一备份，10天一备份都可以，下面是通过修改代码来满足需求的步骤。第92行和第93行是设备的SSH账号和密码，请自行修改USERNAME = "h3c" # 交换机登录用户PASSW

    7. 亲和力传播聚类算法详解

      t2416394575#大数据ZIP519.7KB6月前
      资源摘要:包含内容：亲和力传播聚类算法步骤详解（有例子），亲和力传播聚类算法matlab代码（与亲和力传播聚类算法步骤详解一一对应）

    8. 701480892193306misgon_cyberdog工程代码.zip

      2401_85081730#行业研究ZIP8.41MB6月前
      资源摘要:701480892193306misgon_cyberdog工程代码.zip
    站长QQ:九六九五七三七