一种基于扩散模型与对比学习的序列推荐方法

本发明公开了一种基于扩散模型与对比学习的序列推荐方法。针对用户的历史交互序列，分别使用注意力神经过程学习用户的长期兴趣，和时域卷积网络学习用户的短期兴趣。再使用扩散模型，基于用户的长、短期兴趣恢复出目标项目，即用户下一个可能会交互的项目。使用对比学习的方法对模型进行训练，让长期兴趣编码和伪标签之间的相似性高于短期兴趣的编码和伪标签，以区分用户的长期兴趣和短期兴趣。最后利用训练后的模型进行项目预测，生成指定用户的推荐项目列表。本方法既考虑了用户整体兴趣偏好，又结合了用户动态兴趣偏好，还针对用户交互中的不连续行为引入了空洞卷积，从而实现更准确的预测与推荐。