【技术实现步骤摘要】
本申请涉及数据处理，尤其是涉及一种基于用户行为的推荐方法及装置。
技术介绍
1、在当今数字时代，用户在与电商平台交互的过程中产生大量的数据，导致信息过载问题愈加严重。如何为用户提供最相关、符合用户需求的内容已经成为个性化推荐系统的核心挑战。用户的兴趣和行为模式复杂多样，传统的单一行为数据推荐模型不能满足用户的需求，因此多行为推荐方法应运而生。多行为推荐旨在利用用户的多种行为预测用户可能喜欢的项目或内容，提供更准确、个性化推荐。这种方法考虑了用户在平台上的多种交互行为，如点击、购买、评分等各种与平台互动相关的信息。通过分析和理解这些多样的行为数据，推荐系统可以更准确地预测用户的兴趣和需求，从而提供更有针对性的推荐。随着图像在个性化推荐系统中的作用日益凸显，图像推荐也成为推荐系统中的一个关键领域。用户在平台上的浏览、点击、购买等行为往往伴随着对图像的关注和交互。因此，将图像推荐整合到多行为推荐系统中，可以进一步丰富用户画像，提高推荐的精准度和个性化程度。
2、电子商务已经成为现代商业领域的主要推动力之一，而在电子商务平台中，转化...
【技术保护点】
1.一种基于用户行为的推荐方法，其特征在于，所述推荐方法包括：
2.根据权利要求1所述的推荐方法，其特征在于，所述根据目标用户在至少一个平台的历史交互行为信息，进行交互行为的演化网络构建，并采用图协同处理方式对构建好的演化网络进行分析处理，预设当前时刻所述目标用户与每个项目产生每种交互行为的行为转化概率，包括：
3.根据权利要求2所述的推荐方法，其特征在于，所述根据第二交互次数和第三交互次数进行兴趣度计算，确定所述目标用户对每个项目的最终整体兴趣度，包括：
4.根据权利要求1所述的推荐方法，其特征在于，所述引入共享特征提取器，并采用...
【技术特征摘要】
1.一种基于用户行为的推荐方法，其特征在于，所述推荐方法包括：
2.根据权利要求1所述的推荐方法，其特征在于，所述根据目标用户在至少一个平台的历史交互行为信息，进行交互行为的演化网络构建，并采用图协同处理方式对构建好的演化网络进行分析处理，预设当前时刻所述目标用户与每个项目产生每种交互行为的行为转化概率，包括：
3.根据权利要求2所述的推荐方法，其特征在于，所述根据第二交互次数和第三交互次数进行兴趣度计算，确定所述目标用户对每个项目的最终整体兴趣度，包括：
4.根据权利要求1所述的推荐方法，其特征在于，所述引入共享特征提取器，并采用跨分支注意力机制和跨层级注意力机制对所述多层级用户行为轨迹树模型进行挖掘处理，确定所述目标用户的行为偏差分析结果，包括：
5.根据权利要求4所述的推荐方法，其特征在于，所述采用跨分支注意力机制对所有项目共享特征进行处理，确定所述多层级用户行为轨迹树模型的分支偏差，包括：
6.根据权利要求4所...
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。