基于自适应全局图建模和意图对比学习的序列推荐方法

本发明涉及人工智能优化操作系统技术领域，具体公开基于自适应全局图建模和意图对比学习的序列推荐方法，该方法包括：序列全局图构建、模块输出融合、序列推荐学习以及推荐结果优化，首先得到用户历史行为序列，构建为关联图并改进优化，得到并记为用户行为序列全局图，分别注入序列编码器的局部模块以及全局模块中，使局部模块和全局模块的输出进行融合，使得序列编码器可以全面地学习更具表达力的意图，以此进行意图对比学习，综合得到用户的序列推荐，并对用户进行预测，完成自适应全局图建模和意图对比学习的序列推荐，提升了在噪声情况下和数据稀疏情况下的推荐效果，改善了用户体验，多维度增强了序列推荐方法的鲁棒性和泛化能力。