本发明专利技术提供一种基于时间图协同转换的连续时间顺序推荐方法，涉及推荐系统算法技术领域，本发明专利技术通过将物品序列信息与物品交互的时间信息进行整合拼接，能够对未来某一时间点的信息进行预测，而通过将这种时序信息融入到推荐系统当中，比起传统的序列推荐技术，不仅考虑了物品信息对推荐结果的影响，还考虑到了时间信息对推荐结果的影响，实现了对信息的充分利用，也能够提高推荐系统的推荐准确率，同时本发明专利技术由于提前进行了数据时间格式转换，再基于推荐系统结果进行进一步的计算，简化了计算过程，大大降低了运算复杂度。
【技术实现步骤摘要】
本专利技术涉及推荐系统算法，具体为一种基于时间图协同转换的连续时间顺序推荐方法。
技术介绍
1、目前的研究工作利用历史时间顺序的项目购买序列来预测用户未来的项目，称为顺序推荐(sr)问题，现有技术中，许多方法是利用序列中物品之间转换的模式进行建模，而忽略了其中包含的时序信息，从而造成了推荐系统的不准确，因此，本专利技术提出了一种新的框架，不仅能够捕获来自用户和物品的协同信号，还能够捕捉对应的时间信号，并将其进行图传播，从而将物品的序列信号与时间信号统一起来，提高推荐系统的准确率。
2、在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本专利技术的目的在于提供一种基于时间图协同转换的连续时间顺序推荐方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于时间图协同转换的连续时间顺序推荐方法，具体步骤包括：
>4、s1：采集用户本文档来自技高网...
【技术保护点】
1.一种基于时间图协同转换的连续时间顺序推荐方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种基于时间图协同转换的连续时间顺序推荐方法，其特征在于：所述用户行为二部图的节点分别为用户U和物品I，二部图表示为B＝{u，i，ET}，将用户行为二部图的边标定为e，且e∈ET，每条边e均是一个三元组e＝(u，i，t)，表示用户u和物品i在时间t有交互，令Iu(t)表示在时间t之前用户交互过的物品的集合，I\Iu(t)表示剩下的物品。
3.根据权利要求2所述的一种基于时间图协同转换的连续时间顺序推荐方法，其特征在于：构建时序效应模型的逻辑为：
4.根...
【技术特征摘要】
1.一种基于时间图协同转换的连续时间顺序推荐方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种基于时间图协同转换的连续时间顺序推荐方法，其特征在于：所述用户行为二部图的节点分别为用户u和物品i，二部图表示为b＝{u，i，et}，将用户行为二部图的边标定为e，且e∈et，每条边e均是一个三元组e＝(u，i，t)，表示用户u和物品i在时间t有交互，令iu(t)表示在时间t之前用户交互过的物品的集合，i\iu(t)表示剩下的物品。
3.根据权利要求2所述的一种基于时间图协同转换的连续时间顺序推荐方法，其特征在于：构建时序效应模型的逻辑为：
4.根据权利要求3所述的一种基于时间图协同转换的...
【专利技术属性】
技术研发人员：杨馥宁，张兴亮，刘畅，潘兴，王子昌，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。