公开(公告)号：CN118333093A

公开(公告)日：2024-07-12

申请号：CN202410758751.3

申请日：2024-06-13

Applicant: 杭州电子科技大学

Inventor： 黄娜娜 ,  焦鹏飞 ,  鲍青 ,  高梦州 ,  苏方方 ,  唐会军 ,  赵品龙 ,  杨彬

IPC: G06N3/044 ,  G06N3/08

Abstract: 本发明提供基于隐式多时间尺度的序列推荐方法，能够获得更加准确的推荐结果。所述推荐方法包括：依据用户兴趣的动态变化程度不同，引入带时钟频率的循环神经元层，为循环神经网络隐层神经元分组；对隐层神经元分组信息，通过设计对隐层神经元的不同分区更新频率不同，抽取多个时间尺度下的用户兴趣特征；对多个时间尺度下的用户兴趣特征，通过尺度维卷积层，建模对不同时间尺度的用户兴趣特征表示的依赖关系，进而生成多时间尺度用户兴趣特征的统一表示；对多个时间尺度下用户兴趣特征的统一表示，采用全连接层建模统一的多尺度用户兴趣特征表示与项目的隐式特征之间的关系，预测用户感兴趣的项目。