Con el desarrollo vigoroso de la virtualización de funciones de red (NFV), la gestión de recursos de la cadena de funciones de servicio (SFC), que tiene como objetivo proporcionar a los usuarios servicios personalizados diversificados de funciones de red, se ha convertido gradualmente en un tema de investigación candente. Por lo general, el servicio de red deseado por el usuario es aleatorio y oportuno, y la solicitud de cadena de funciones de servicio formada (SFCR) es dinámica y en tiempo real, lo que requiere que el mapeo de SFC sea adaptable para satisfacer las solicitudes de los usuarios que cambian dinámicamente. En este sentido, este documento propone un método de mapeo de SFC adaptativo mejorado basado en el aprendizaje profundo por refuerzo (ISM-DRL). En primer lugar, se propone un modelo de mapeo de solicitud de SFC mejorado para abstraer el proceso de mapeo de SFC y descomponer el problema de mapeo de SFC en el problema de mapeo de SFCR y el problema de reorquestación de VNF. En segundo lugar, utilizamos el gradiente de política determinista profundo (DDPG), que es un marco de aprendizaje profundo, para optimizar conjuntamente la tasa de costo efectivo del servicio y la tasa de mapeo para aproximar la estrategia de mapeo óptima para la red actual. Luego, diseñamos cuatro estrategias de orquestación de VNF basadas en la tasa de solicitud de VNF y la tasa de mapeo, etc., para mejorar el grado de coincidencia del método ISM-DRL para diferentes redes. Finalmente, los resultados muestran que el método propuesto en este documento puede realizar el procesamiento de mapeo de SFC bajo solicitud dinámica. En diferentes condiciones experimentales, el método ISM-DRL tiene un mejor rendimiento que los métodos DDDPG y DQN en términos de utilización promedio de costo efectivo y tasa de mapeo promedio.