我是深度学习的新手，尤其是强化学习。我想知道是否有可能预测哪个主题标签组合（来自所选主题标签的子集）会为某个图像产生最多的喜欢。
是否有可能拥有一个以每个主题标签作为标签的卷积神经网络，并在类似强化学习的场景中将类似的东西reward = likes / followers作为奖励？
我还能以什么其他方式面对这个问题？我的目标不是预测喜欢的数量，而是最大化获得最多喜欢的概率。
我选择这个标题是因为我认为答案实际上可能与问题无关：我可以使用相同的知识来定义哪种股票组合可以最大化我的投资。
提前致谢。
老实说，这听起来更像是一个监督学习问题。为了使强化学习发挥作用，您需要一个可以不断返回给定输入值的模型。
对于社交媒体，这意味着
a) 用各种不同的标签发布同一张图片，并期望人们在短时间内给出最合适的标签喜欢。这不会发生。
b) 搜索所有出现的具有不同主题标签的图像。这基本上是监督学习。
我建议先找到一个社交媒体数据集。尝试对图像的所有出现进行分组，并找到每个主题标签的喜欢的中位数。不要忘记补偿追随者数量，因为无论标签如何，更受欢迎的海报平均会获得更多喜欢。将最佳主题标签存储为给定图像的标签。
您现在为 X 个不同的图像设置了 Y 个不同的主题标签。
从现在开始，您可以将其视为分类问题。X 是您的样本数，Y 是可能输出的数量。如果您不想编写自己的损失函数而只想预测单个最佳主题标签，请使用交叉熵作为损失函数。
当然，您仍然必须选择您的社交媒体数据集、合适的训练图像和 NN 结构，但我希望这有助于作为一种通用方法。