奖励系数γ：
为了分析奖励因子γ如何影响我们的RL代理的性质，我们记录了平均推理路径长度与奖励因子在推理过程中 。如图4b所示，随着奖励因子的增加，平均推理路径长度也增加，说明γ灵活地控制了RL agent的探索偏好 。此外，虽然较大的奖励因子可以使agent找到更长的路径，但我们也发现当奖励因子< 0.8时，训练变得非常缓慢，这是由于低奖励反馈造成的梯度消失
6.总结
【Reinforcement Learning Based Meta】在本文中，我们提出了一个RL框架，该框架可以在大规模异构信息网络中自动挖掘有趣的元路径，无需任何人工监督 。更具体地说，我们利用类型上下文表示学习将强化学习扩展到百万级hin 。与以往在离散空间中操作的寻径模型不同，我们的方法允许agent在连续空间中进行多跳推理，从而控制所找到的元路径的分布，从而显著减小大搜索空间的大小 。这些有效的元路径也可以用于下游HIN分析任务 。我们在两个HIN(Yago和NELL)上进行了元路径挖掘，在六个主题上产生了合理的元路径 。这些元路径进一步用于执行链接预测任务，以评估我们的模型 。实验结果表明，这些元路径训练的分类器性能普遍优于其他基线 。

• Meta Talk: Learning to Data
• 斯坦福大学吴恩达教授Machine Learning课程笔记
• Multiple Instance Learning 多示例学习
• 【一起入门MachineLearning】中科院机器学习-期末题库
• Representation Learning 表示学习 Part1