【技术实现步骤摘要】
本专利技术涉及数据处理，特别是一种基于时间特征感知的序列推荐方法、设备及存储介质。
技术介绍
1、在信息量急剧增加的时代，推荐系统成为一种至关重要的个性化信息过滤工具。序列推荐因用户行为数据的急剧增长、个性化需求的提升和深度学习技术的进步而崭露头角。它是推荐系统领域的一个重要分支，主要预测用户基于历史行为序列的未来可能行为。序列推荐考虑了用户行为的时序性和顺序信息，有助于揭示用户动态兴趣，实现更精准、个性化的推荐。这种方法在电商、音乐、新闻和社交网络等领域都表现出重要性和有效性，能为用户提供丰富且符合期望的在线体验，并有助于提高平台的用户活跃度和商业收益。与基于用户静态偏好和物品静态特征的传统推荐系统不同，序列推荐更关注用户与物品之间的交互序列，强调时间的顺序性，因此更能反映用户行为和兴趣的动态变化。但由于用户兴趣是不断变化的，这可能导致模型捕捉到的用户偏好与当前的实际偏好存在偏差。
2、现有技术存在着捕捉到的用户偏好与当前的实际偏好存在偏差，推荐可靠性低的技术问题。
技术实现思路
...【技术保护点】
1.一种基于时间特征感知的序列推荐方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于时间特征感知的序列推荐方法，其特征在于，S1中，所述历史交互序列用于对历史时间内用户在不同时间点交互的项目以及上下文信息进行描述，所述时间戳序列用于对历史时间内用户与项目交互的时间点进行描述，所述历史交互序列与所述时间戳序列一一对应。
3.根据权利要求1所述的一种基于时间特征感知的序列推荐方法，其特征在于，S2中，所述第一组时间特征包括时间戳序列和星期特征，用于识别用户行为的周期性；所述第二组时间特征包括滑动窗口标准差和一阶差异特征，用于识别用户...
【技术特征摘要】
1.一种基于时间特征感知的序列推荐方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于时间特征感知的序列推荐方法，其特征在于，s1中，所述历史交互序列用于对历史时间内用户在不同时间点交互的项目以及上下文信息进行描述，所述时间戳序列用于对历史时间内用户与项目交互的时间点进行描述，所述历史交互序列与所述时间戳序列一一对应。
3.根据权利要求1所述的一种基于时间特征感知的序列推荐方法，其特征在于，s2中，所述第一组时间特征包括时间戳序列和星期特征，用于识别用户行为的周期性；所述第二组时间特征包括滑动窗口标准差和一阶差异特征，用于识别用户交互和行为变化的程度；所述第三组时间特征包括个性化的时间间隔特征，用于感知所有交互作用的相对位置。
4.根据权利要求3所述的一种基于时间特征感知的序列推荐方法，其特征在于，遍历所述时间戳序列和所述历史交互序列确定每个历史交互发生的星期天数，获得所述星期特征。
5.根据权利要求3所述的一种基于时间特征感知的序列推荐方法，其特征在于，利用所述滑动窗口标准差计算公式对所述时间...
【专利技术属性】
技术研发人员：钟禹澄，樊谨，孙丹枫，陈嘉翰，王佳琪，
申请(专利权)人：杭州电子科技大学，
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。