基于全局信息和混合时间查询注意力机制的序列推荐方法技术

本发明专利技术公开了一种基于全局信息和混合时间查询注意力机制的序列推荐方法，包括S1、使用全局项目转换图捕获用户交互序列中项目之间的全局信息，得到图嵌入；S2、将用户的交互序列输入到嵌入层中，生成用户交互序列中项目的均值和协方差的序列嵌入；S3、将S2中生成的序列嵌入，输入到混合时间查询自注意力模块中，输出用户交互序列的均值和协方差的新序列嵌入；S4、将S3的输出引入前馈网络层得到更新后的序列嵌入；S5、将步骤S4中经前馈网络层更新后的序列嵌入，定义为短期序列嵌入和长期序列嵌入；S6、根据短期序列嵌入和长期序列嵌入生成最终嵌入；S7、根据S6输出的最终嵌入进行推荐任务。本发明专利技术可以提高推荐系统的性能和准确度。

【技术实现步骤摘要】

本专利技术涉及推荐系统，具体是一种基于全局信息和混合时间查询注意力机制的序列推荐方法。

技术介绍

1、随着网络信息的爆炸式增长，推荐系统在缓解信息超载方面发挥了关键作用。推荐系统能够在海量数据中挑选出用户感兴趣的目标数据，具有重要的应用价值。传统的推荐方法包括协同过滤推荐、基于内容的推荐方法、基于标签的推荐方法等，这些方法以静态方式去捕捉用户的偏好以及建模用户与物品之间的交互。但是在现实生活中用户的行为是按顺序发生的，用户行为前后之间的联系非常紧密，用户的偏好是动态的，是随时间的变化而发生改变的。在此情况下，需要构建能够建模用户动态偏好的方法。序列推荐主要通过在序列中建模用户-项目交互(例如，在线购物平台上查看或购买项目上的顺序依赖关系)，来推荐用户可能感兴趣的项目。

2、目前，序列推荐方法大体可分为三大类，包括传统的序列模型、潜在表示模型和深度神经网络模型。传统的序列模型包括序列模式挖掘和马尔可夫链模型，通过利用自然强度来建模序列中的用户-项目交互之间的序列依赖关系。序列模式挖掘可以发现隐含的关联性和可扩展性，但会受到数据稀疏性和隐式模式的影本文档来自技高网...

【技术保护点】

1.一种基于全局信息和混合时间查询注意力机制的序列推荐方法，其特征在于，

2.根据权利要求1所述的一种基于全局信息和混合时间查询注意力机制的序列推荐方法，其特征在于，S1的具体步骤如下：

3.根据权利要求1所述的一种基于全局信息和混合时间查询注意力机制的序列推荐方法，其特征在于，S2的具体步骤如下：

4.根据权利要求3所述的一种基于全局信息和混合时间查询注意力机制的序列推荐方法，其特征在于，S3的具体步骤如下：

5.根据权利要求4所述的一种基于全局信息和混合时间查询注意力机制的序列推荐方法，其特征在于，S4的具体步骤如下：

6....

【技术特征摘要】

1.一种基于全局信息和混合时间查询注意力机制的序列推荐方法，其特征在于，

2.根据权利要求1所述的一种基于全局信息和混合时间查询注意力机制的序列推荐方法，其特征在于，s1的具体步骤如下：

3.根据权利要求1所述的一种基于全局信息和混合时间查询注意力机制的序列推荐方法，其特征在于，s2的具体步骤如下：

4.根据权利要求3所述的一种基于全局信息和混合时间查询注意力机制的序列推荐方法，其特征在于，s3的具体步骤如下：

5.根据权利要求4所述的一种基于全局信息和混合时间查...

【专利技术属性】
技术研发人员：华仁玉，杨真真，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：