一种基于采样重构对比学习的电商平台序列推荐方法

一种基于采样重构对比学习的电商平台序列推荐方法，属于序列推荐系统领域；针对现有对比学习方法在生成负样本时易将具有相似用户兴趣的序列误认为负样本的问题，本发明提出通过计算序列间的相似度，识别并处理误判的假负样本；将实际相似但被误判为负样本的用户序列重新作为正样本参与对比学习损失的计算，从而避免错误拉大相似用户间的距离，提升对用户真实兴趣模式的捕捉能力。本发明在亚马逊电商平台公开数据集上的实验表明，与传统基线模型相比，显著提升了推荐性能，能够有效缓解数据稀疏和噪声问题，在实际应用中提供更加精准的推荐结果。