一种融合多方面时域信息的序列推荐方法、设备和介质技术

本发明专利技术提出一种融合多方面时域信息的序列推荐方法、设备和介质。本发明专利技术考虑三种时域信息来提高序列推荐的性能，构建融合多方面时域信息的序列推荐模型，模型包含三个部分，每一部分利用一种多粒度时域信息生成下一个用户可能感兴趣的物品表示。所述模型具体包括绝对时间模块，相对物品时间间隔模块和相对推荐时间间隔模块。三个模块经过有效的融合生成最终用户下一时刻感兴趣的物品表示，从而大大提高序列推荐性能。高序列推荐性能。高序列推荐性能。

【技术实现步骤摘要】
一种融合多方面时域信息的序列推荐方法、设备和介质


[0001]本专利技术属于序列推荐
，特别是涉及一种融合多方面时域信息的序列推荐方法、设备和介质。

技术介绍

[0002]推荐系统作为一种有效处理信息过载问题的工具已经被广泛应用于许多真实场景，其目的是用于提升用户的使用性和帮助企业留住用户，促进商业发展。在推荐系统的众多领域当中，序列推荐在捕获用户动态偏好方面表现出强大的能力，成为研究的热点，因此，序列推荐被广泛应用于各种场景，例如：电子商务，新闻推荐和广告推荐等等。
[0003]序列推荐旨在对用户行为序列，例如购买物品的序列进行建模，学习到用户表征，用于预测用户下一次可能购买的物品。随着深度学习技术的发展，已有多种深度模型用于建模用户行为的序列性，例如循环神经网络、卷积神经网络、自注意力机制、以及图神经网络。然而，越来越多的研究者发现时间信息对于序列信息建模有着至关重要的作用，也因此成为最近的研究热点。
[0004]其中一条研究路线是Wang等人利用绝对时间信息建模用户的个性化场合(生日，纪念日)和全局性场合(父亲节，母本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合多方面时域信息的序列推荐方法，其特征在于，所述方法具体包括以下步骤：步骤1：获得序列数据，对数据集预处理将其分为训练集，验证集和测试集；步骤2：构建融合多方面时域信息的序列推荐模型；步骤3：对步骤2所述融合多方面时域信息的序列推荐模型进行训练；步骤4：将当前序列数据输入到步骤3训练后的融合多方面时域信息的序列推荐模型，计算候选物品相对于学习到的用户下一时刻感兴趣的物品表示的推荐得分，根据得分选择出用户感兴趣的物品。2.根据权利要求1所述的融合多方面时域信息的序列推荐方法，其特征在于，所述步骤1包括以下步骤：步骤1.1：从序列数据集中，提取用户的交互记录以及用户ID信息、物品ID信息和时间ID信息；步骤1.2：过滤数据集中过短的用户交互记录以及过于冷门的物品；步骤1.3：应用数据增强技术，对于数据中每一条序列，将其划分为多个子序列；步骤1.4：按留一法规则，将数据中最后一个物品用于测试，倒数第二个物品用于验证，剩下数据用于训练。3.根据权利要求1所述的融合多方面时域信息的序列推荐方法，其特征在于，所述步骤2包括以下步骤：步骤2.1：获得物品初始嵌入表示和时间嵌入表示；步骤2...

【专利技术属性】
技术研发人员：韩启龙，梁国涛，宋洪涛，王也，李丽洁，张海涛，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：