| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 引言 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 基础理论概述 | 第17-22页 |
| 2.1 强化学习 | 第17-18页 |
| 2.2 经典多臂赌博机 | 第18-19页 |
| 2.3 大规模多臂赌博机 | 第19-20页 |
| 2.4 上下文多臂赌博机 | 第20-22页 |
| 第三章 自适应的多臂赌博机算法 | 第22-37页 |
| 3.1 算法描述 | 第22页 |
| 3.2 算法实现 | 第22-25页 |
| 3.3 regret分析 | 第25-28页 |
| 3.4 实验结果分析 | 第28-36页 |
| 3.4.1 随机数据集 | 第29-33页 |
| 3.4.2 内容分发网络 | 第33-35页 |
| 3.4.3 推荐系统 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 大规模多臂赌博机算法 | 第37-44页 |
| 4.1 算法描述 | 第37页 |
| 4.2 算法实现 | 第37-40页 |
| 4.2.1 同步更新 | 第37-39页 |
| 4.2.2 异步更新 | 第39-40页 |
| 4.3 收敛性分析 | 第40页 |
| 4.4 实验结果分析 | 第40-43页 |
| 4.4.1 不同更新方式 | 第40-42页 |
| 4.4.2 学习率 | 第42页 |
| 4.4.3 大规模推荐系统 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 大规模上下文多臂赌博机算法 | 第44-53页 |
| 5.1 算法描述 | 第44页 |
| 5.2 算法实现 | 第44-49页 |
| 5.2.1 上下文先验概率 | 第44-47页 |
| 5.2.2 基于动作选择概率的估计方法 | 第47-49页 |
| 5.3 实验结果分析 | 第49-52页 |
| 5.3.1 大规模上下文推荐系统 | 第49-51页 |
| 5.3.2 动作估计方法 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-56页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间公开发表(录用)的论文及参与的项目 | 第61-62页 |
| 一、公开发表(录用)的学术论文 | 第61页 |
| 二、专利 | 第61页 |
| 三、参加的科研项目 | 第61-62页 |
| 致谢 | 第62-63页 |