本申请涉及序列推荐技术领域，具体涉及一种基于离散傅里叶变换增强的Transformer序列推荐系统、方法及存储介质，本申请通过动态时间正则化层使用softmax函数对时间进行规范化，通过引入了基于离散傅里叶变换的神经网络自动学习和优化处理时序数据。本申请能够综合用户的短期动态兴趣偏好和长期一致性偏好作出项目推荐，且项目推荐基于动态时间序列给出并融合有用户对于项目的评分，所得到的预测结果更加符合用户偏好。
【技术实现步骤摘要】
本申请涉及序列推荐，具体涉及一种基于离散傅里叶变换增强的transformer序列推荐系统、方法及存储介质。
技术介绍
1、序列推荐通过挖掘用户历史交互行为中的时序模式，预测用户在未来时段的偏好项目。预测用户兴趣偏好的难点在于用户行为数据所呈现的动态性和复杂性受其长期一致性偏好和短期兴趣波动的综合影响。
2、基于transformer的序列推荐模型，如sasrec、ber4rec等，通过自注意力机制捕捉长距离依赖关系，但其自身仍为破除transformer自身所具有的局限性。首先，传统transformer模型所固有的低通滤波性导致其倾向于捕捉序列中的低频信号而难以有效识别高频信号，这一特性导致模型在应对用户兴趣快速变化时反应迟滞，无法实现精准推送。另外，传统transformer模型其固定位置的编码方式会忽略用户的交互时间跨度，导致敏感场景下的项目推荐出现偏差。此外，用户的兴趣偏好体现在用户对于项目的评分中，而现有技术对此类信息多作为辅助特征简单整合，未能通过语义融合机制区分此类信号，这会限制偏好建模的细粒度。
r/>技本文档来自技高网...
【技术保护点】
1.一种基于离散傅里叶变换增强的Transformer序列推荐系统，其特征在于，所述系统包括：
2.一种基于权利要求1所述系统序列推荐方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的一种基于离散傅里叶变换增强的Transformer序列推荐方法，其特征在于，
4.据权利要求3所述的一种基于离散傅里叶变换增强的Transformer序列推荐方法，其特征在于，
5.据权利要求4所述的一种基于离散傅里叶变换增强的Transformer序列推荐方法，其特征在于，
6.据权利要求5所述的一种基于离散傅里叶变换增强的Transfo...
【技术特征摘要】
1.一种基于离散傅里叶变换增强的transformer序列推荐系统，其特征在于，所述系统包括：
2.一种基于权利要求1所述系统序列推荐方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的一种基于离散傅里叶变换增强的transformer序列推荐方法，其特征在于，
4.据权利要求3所述的一种基于离散傅里叶变换增强的transformer序列推荐方法，其特征...
【专利技术属性】
技术研发人员：刘志远，马英红，胡彬，王红，周胜尧，魏哲学，
申请(专利权)人：山东师范大学，
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。