公开(公告)号：CN117689440A

公开(公告)日：2024-03-12

申请号：CN202311596301.0

申请日：2023-11-27

Applicant: 桂林电子科技大学

Inventor： 蔡晓东 ,  李明惠

IPC: G06Q30/0601 ,  G06N3/048 ,  G06N3/0464 ,  G06F18/22 ,  G06Q30/0201

Abstract: 本发明提供一种物品推荐方法、装置、系统及存储介质，属于物品推荐技术领域，方法包括：对物品交互信息的向量分析得到目标物品交互向量；将目标物品交互向量划分为原始长期兴趣矩阵和原始短期兴趣矩阵；对原始长期兴趣矩阵的特征提取得到目标长期兴趣矩阵；对原始短期兴趣矩阵的注意力分析得到目标短期兴趣矩阵；对目标长期兴趣矩阵和目标短期兴趣矩阵的推荐分析得到物品推荐结果。本发明能够挖掘序列中的局部和全局用户行为关系，提高了推荐精度，能够综合考虑用户的长期和短期兴趣，提高了物品推荐的性能和准确性。

公开(公告)号：CN118193835A

公开(公告)日：2024-06-14

申请号：CN202410343759.3

申请日：2024-03-25

Applicant: 桂林电子科技大学

Inventor： 蔡晓东 ,  李明惠

IPC: G06F16/9535 ,  G06F16/2458 ,  G06Q30/0601

Abstract: 本发明提供一种序列推荐方法、装置、系统以及存储介质，属于物品推荐技术领域，方法包括：导入原始用户交互序列，对原始用户交互序列进行预处理得到用户嵌入序列；构建训练模型，通过用户嵌入序列对训练模型进行训练得到推荐模型；导入待推荐用户交互序列，通过推荐模型对待推荐用户交互序列进行推荐得到序列推荐结果。本发明更有效地提取了用户的长期和短期兴趣，能够自适应不同任务的短期兴趣窗口，能适应不同的场景与任务，解决了长期兴趣与短期兴趣的纠缠，提供了更可解释的推荐结果，提高了推荐结果的准确性。