多agent分层强化学习在数据定位中的应用研究

摘要：

为了在领域文本中实现数据定位,将文本视为环境,针对文本环境中存在的动态性以及不确定性等问题,提出了基于多agent分层强化学习的数据定位方法.该方法利用分层结构的特点,将系统任务分解为多个子任务,个体agent分别对对应子任务学习,以此将策略更新限制在规模较小的局部空间;同时利用多agent系统中单agent与系统远期目标的同一性,引入策略协调机制,通过agent之间交换信息来发现趋势性信息,并利用sha-ping技术,将在线获取的动态知识对各个agent进行趋势性启发,加快agent的收敛速度.实验将该方法应用于司法领域的判决文书上,实验结果表明:该方法能够在大规模复杂未知的文本环境中对目标数据进行高效准确定位,平均准确率与F值能够达到96.6％和98.2％,且具有较好的收敛速度.因此可以看出,该方法能够很好地在领域文本中实现数据定位,具有较大的理论以及实际意义.

关键词：数据定位、文本环境、分层强化学习、多agent系统、策略协调、shaping技术

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目;江西省自然科学基金资助项目

在线出版日期：2020-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3635-3639