基于特征融合和扩散模型的序列推荐方法及系统

AITNT
正文
推荐专利
基于特征融合和扩散模型的序列推荐方法及系统
申请号:CN202411118190
申请日期:2024-08-15
公开号:CN119027215B
公开日期:2025-10-17
类型:发明专利
摘要
本发明提供了基于特征融合和扩散模型的序列推荐方法及系统,方法包括:利用数据集中用户的历史交互序列和对应的项目属性特征信息,对构建的基于特征融合和扩散模型的序列推荐模型进行训练,得到训练好的基于特征融合和扩散模型的序列推荐模型;将待推荐用户的历史交互序列和对应的项目属性特征信息输入至训练好的基于特征融合和扩散模型的序列推荐模型,获得待推荐用户的用户嵌入表示;基于待推荐用户的用户嵌入表示与所有候选的项目嵌入求内积得到对应的预测分数,将预测分数进行排序得到分数最高的top‑N个项目,将所述项目推荐给用户。本发明采用基于特征融合和扩散模型的序列推荐方法,从而从根源上解决了现有的推荐方法准确率低的问题。
技术关键词
序列推荐方法 融合全局 前馈神经网络 生成推荐项目 多层感知机 注意力 重构 噪声 模型训练模块 矩阵 列表 语句 误差 编码
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号