【技术实现步骤摘要】
本专利技术涉及商品推荐，尤其是涉及一种基于多行为欧拉transformer的商品点击率预测方法及商品推荐方法。
技术介绍
1、在当今信息技术不断发展的时代，推荐系统已经成为各大互联网平台的重要组成部分。在众多领域，无论是电子商务网站、社交媒体平台，还是在线视频服务，推荐系统都通过分析用户的行为和偏好，更精准地为用户推荐他们可能感兴趣的内容或产品。推荐系统的发展不仅提升了用户的使用体验，还显著增加了平台的用户粘性和商业价值。在推荐系统中，点击率预估是至关重要的一环，是短视频、电商、广告领域推荐的基础，它旨在通过预测用户对于某推荐项后点击的概率，帮助系统更准确地排序和展示推荐内容，因此成为了工业界广泛研究的热点。
2、在实际的推荐场景中，用户交互数据通常呈现多行为和序列性，用户的历史行为能够有效地反映其兴趣和偏好，例如，用户过去点击的商品、浏览的视频、搜索的关键词等行为数据，都是其潜在需求和兴趣的直接体现。然而，相关技术采用单一的行为序列往往不能全面反应用户的偏好，导致推荐的物品较单一，不够多样化。
本文档来自技高网...
【技术保护点】
1.一种商品点击率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的商品点击率预测方法，其特征在于，所述点击率预测模型包括：
3.根据权利要求2所述的商品点击率预测方法，其特征在于，所述用户行为序列包括喜欢行为序列和不喜欢行为序列；
4.根据权利要求3所述的商品点击率预测方法，其特征在于，所述对比学习模块具体用于：
5.根据权利要求3所述的商品点击率预测方法，其特征在于，所述对比学习模块具体用于：
6.根据权利要求2所述的商品点击率预测方法，其特征在于，所述用户行为序列包括喜欢行为序列、不喜欢行为...
【技术特征摘要】
1.一种商品点击率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的商品点击率预测方法，其特征在于，所述点击率预测模型包括：
3.根据权利要求2所述的商品点击率预测方法，其特征在于，所述用户行为序列包括喜欢行为序列和不喜欢行为序列；
4.根据权利要求3所述的商品点击率预测方法，其特征在于，所述对比学习模块具体用于：
5.根据权利要求3所述的商品点击率预测方法，其特征在于，所述对比学习模块具体用于：
6.根据...
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。