一种基于反事实数据增强的序列推荐方法

本发明涉及一种基于反事实数据增强的序列推荐方法，属于互联网偏好预测领域。该方法包括：获取视频数据和用户数据；采用嵌入层对增强后的视频数据和用户数据进行处理，得到用户嵌入和视频嵌入；将用户嵌入和视频嵌入进行拼接处理，得到用户兴趣表示向量；将用户兴趣表示向量输入到序列推荐模型进行处理，得到预训练模型；将原始数据通过反事实数据增强框架，生成反事实序列；利用反事实序列重新训练推荐模型生成完整的推荐模型；本发明可准确有效的进行用户偏好预测，提高了用户偏好预测的准确性。