-
公开(公告)号：CN119166893A
公开(公告)日：2024-12-20
申请号：CN202411213868.X
申请日：2024-08-31
Applicant: 福州大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/214 , G06F18/25 , G06N3/0464 , G06F17/16
Abstract: 本发明涉及一种长短时兴趣捕捉与细粒度时间融合的序列推荐方法及系统，该方法包括：采集用户的行为数据；构建长短时兴趣捕捉与细粒度时间融合的深度学习网络模型，所述深度学习网络模型根据细粒度时间信息具有的变化频率特性，对时间戳进行建模，使用自注意机制和卷积神经网络来分别提取用户的长时兴趣和短时兴趣，使用对比学习机制提取长、短时兴趣中的关联兴趣，并将关联兴趣信息引入兴趣融合模块，实现精准推荐；通过采集到的数据构建训练集，然后使用训练集训练所述深度学习网络模型；将用户、物品、交互数据输入训练好的深度学习网络模型中，输出当前用户对目标物品的点击概率。该方法及系统有利于提高序列推荐预测的准确性。
Search Results
1
records
(took 0.011 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
