【技术实现步骤摘要】
【】本专利技术涉及顺序推荐系统的，特别是时序推荐模型的。
技术介绍
0、
技术介绍
1、顺序推荐系统是一种可在用户交互序列的基础上经过各种运算来预测下一个项目的系统。由于顺序推荐系统的核心是预测用户是否会与某一商品进行交互(包括点击、评分和购买等)，且交互历史通常蕴含着各种各样的信息，因此如何对用户的长期偏好和短期意向进行数据建模是非常重要的。
2、在序列推荐中，数据建模主要考虑两个方面——时间推荐和顺序推荐。时间推荐侧重于对绝对时间戳建模，用于捕获用户和物品的时间动态(如一个用户的兴趣程度可能会在不同的时间段发生变化或者一个物品的受欢迎程度可能会随着时间的推移而增加或减少)。这种模型在研究数据集的时间变化时非常有用，能够更快速地挖掘出用户的动态兴趣变化，以便更精准地进行推荐。大多数模型的顺序推荐都是根据交互时间戳对项目进行排序，且在排序后就不再用到时间戳，而只专注于顺序模式挖掘，从而预测下一个可能进行交互，如sasrec(w.-c.kang and j.mcauley.2018."self-attentive...
【技术保护点】
1.基于对比增强时间感知自注意力机制的时序推荐模型，其特征在于：包括CATSASRec层、预测层和对比学习层，所述CATSASRec层由依次设置的数据预处理层、嵌入层和自注意力层所共同构成，所述嵌入层可在数据预处理层完成数据预处理后根据物品之间的时间间隔、物品的位置信息、用户对物品的评分和物品的热度信息以构建物品与用户的有效嵌入表示并计算注意力权重，所述预测层和对比学习层分别与CATSASRec层相连接。
2.如权利要求1所述的基于对比增强时间感知自注意力机制的时序推荐模型，其特征在于：所述数据预处理层在进行数据预处理期间，设定U和I以分别表示用户集和项目...
【技术特征摘要】
1.基于对比增强时间感知自注意力机制的时序推荐模型，其特征在于：包括catsasrec层、预测层和对比学习层，所述catsasrec层由依次设置的数据预处理层、嵌入层和自注意力层所共同构成，所述嵌入层可在数据预处理层完成数据预处理后根据物品之间的时间间隔、物品的位置信息、用户对物品的评分和物品的热度信息以构建物品与用户的有效嵌入表示并计算注意力权重，所述预测层和对比学习层分别与catsasrec层相连接。
2.如权利要求1所述的基于对比增强时间感知自注意力机制的时序推荐模型，其特征在于：所述数据预处理层在进行数据预处理期间，设定u和i以分别表示用户集和项目集，又在时间感知的顺序推荐设置中对于每个用户u∈u分别给出用户的动作序列绝对时间序列用户评分序列以及物品热度序列且绝对时间序列用户评分序列以及物品热度序列分别对应于用户的动作序列在训练过程中，模型根据之前的t项以及项目i和j之间的时间间隔项目i和项目j的绝对时间戳ti,tj、项目i和项目j的物品热度信息hi,hj以及用户对项目i和项目j的评分ri,rj以预测下一个项目。
3.如权利要求2所述的基于对比增强时间感知自注意力机制的时序推荐模型，其特征在于：对于所述用户的动作序列而言，将每个用户的训练序列转化为固定长度序列s＝(s1,s2,...,sn)，且n表示最大固定长度，如果序列大于n，则只考虑最近的n个动作，如果序列小于n，则往左边添加填充项0直到长度为n；对于所述绝对时间序列用户评分序列以及物品热度序列而言，分别设定固定长度的时间序列t＝(t1,t2,...,tn)、用户评分序列r＝(r1,r2,...,rn)以及物品热度序列h＝(h1,h2,...,hn)，且所述用户评分序列以及物品热度序列的填充项都是0，而所述绝对时间序列采用用户的动作序列中第一个物品的时间戳来做填充项。
4.如权利要求3所述的基于对比增强时间感知自注意力机制的时序推荐模型，其特征在于：在给定所述固定长度的...
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。