【技术实现步骤摘要】
本专利技术属于计算机科学与，特别是涉及一种时序增强和多粒度意图引导的对抗生成推荐方法。
技术介绍
1、随着信息技术的快速发展，信息过载问题日益严峻。为缓解这一问题，个性化推荐系统得以广泛应用，其中序列推荐(sr)因能依据用户历史项目的时间序列特征预测用户下一个感兴趣的项目，备受关注。序列推荐任务的核心在于从用户历史交互数据中推断出高质量的用户行为表示，以精准推荐项目。早期，马尔科夫链用于学习项目间的成对转移关系，基于rnn的模型进一步探索序列相关性。近期，transformer架构凭借其强大的编码序列能力被引入sr领域，通过自注意机制捕捉项目重要性，提升推荐效果。然而，这些方法大多仅依赖项目预测任务优化大量参数，易受数据稀疏问题影响。在训练数据有限时，难以准确推断用户表示。
2、对于sr问题建模，捕捉序列中项目间关系至关重要。但用户与平台项目交互有限，且受跨平台限制和隐私保护影响，大量历史数据无法收集或用于模型训练，严重制约序贯模型推荐性能。为应对此挑战，对比自监督学习被引入，通过增强算子创建精细视图，解决数据稀疏和噪声数据...
【技术保护点】
1.一种时序增强和多粒度意图引导的对抗生成推荐方法，其特征在于，包括：
2.根据权利要求1所述的一种时序增强和多粒度意图引导的对抗生成推荐方法，其特征在于，所述特征提取模块包括transformer编码器，所述预测模块包括全连接神经网络+softmax。
3.根据权利要求1所述的一种时序增强和多粒度意图引导的对抗生成推荐方法，其特征在于，所述数据增强方式包括：插入操作、裁剪操作、掩码操作和重排操作；
4.根据权利要求1所述的一种时序增强和多粒度意图引导的对抗生成推荐方法，其特征在于，构建一个多层全连接神经网络作为时序增强判别器，时序...
【技术特征摘要】
1.一种时序增强和多粒度意图引导的对抗生成推荐方法，其特征在于，包括：
2.根据权利要求1所述的一种时序增强和多粒度意图引导的对抗生成推荐方法，其特征在于，所述特征提取模块包括transformer编码器，所述预测模块包括全连接神经网络+softmax。
3.根据权利要求1所述的一种时序增强和多粒度意图引导的对抗生成推荐方法，其特征在于，所述数据增强方式包括：插入操作、裁剪操作、掩码操作和重排操作；
4.根据权利要求1所述的一种时序增强和多粒度意图引导的对抗生成推荐方法，其特征在于，构建一个多层全连接神经网络作为时序增强判别器，时序增强判别器的输入为经过数据增强后的时序增强序列的特征表示；时序增强判别器的输出为该时序增强序列所采用的数据增强方式。
5.根据权利要求1所述的一种时序增强和多粒度意图引导的对抗生成推...
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。