5G的到来再度提高数据的产生速度,信息过载的问题将进一步加剧,电子商务行业发展迅速,覆盖面越来越广,商品种类日益丰富,用户数量日益庞大,买家如何找到自己心仪的商品,卖家如何向买家展示商品都出现了阻碍,推荐系统是解决这一问题的良好方法。然而以往的推荐算法大多将推荐过程看成一个静态的过程,这与实际不符,推荐应该是一个推荐系统与用户不断交互的过程。强化学习的发展可以较好的解决动态互动的问题,且推荐的过程恰好是这类问题。因此,本文构建了一个基于强化学习的淘宝商品推荐系统,并用淘宝的用户行为数据对该系统进行训练与验证。具体地,该系统通过如下方式建立:首先,本文建立数据池,将用户行为涉及的商品及用户反馈数据输入神经网络,并在神经网络中对数据进行特征提取,得到用户的喜好特征。其次,本文建立了一个基于生成式对抗网络的模拟推荐环境,可以模拟推荐系统与用户的交互过程,该网络的生成器生成推荐动作,判别器模拟用户反馈。接着,本文建立基于强化学习的淘宝商品推荐系统,用马尔可夫决策过程对淘宝商品推荐过程进行建模,并建立DNQ模型求解推荐过程。在DNQ模型中,本文建立了Q网络和target-Q网络用于预测Q-Learning过程不同状态与动作组合的Q值,并用淘宝的用户行为数据及模拟推荐环境生成的数据对模型进行训练。最后,本文用测试集对训练好的模型进行测试,得到推荐的五步累计奖励值的平均值较高,模型推荐效果较好,通过实验结果,本文发现基于强化学习的推荐系统能够较好的预测用户的行为,提供的推荐内容获得的累计奖励较高,而多样性和覆盖率方面效果则不是很好,仍待提高。