一种基于KAN网络结构的多模态序列推荐方法

本发明公开了一种基于KAN网络结构的多模态序列推荐方法，涉及电子信息技术领域。针对用户历史行为记录中的物品序列及其多模态信息进行建模，用于预测下一个可能与用户交互的物品项。具体包括以下步骤：提取输入物品序列的多模态表征以构建特征矩阵，通过基于KAN网络的单模态内特征交互模块实现模态内信息学习，并通过多模态间特征交互融合层完成模态间特征融合；最终使用物品预测层输出推荐结果。本发明采用KAN网络结构设计，大幅降低计算复杂度，实现轻量化和高效性，通过显式捕获多源多模态异构数据间的信息关系，深入挖掘用户在不同模态下的细粒度兴趣偏好，充分融合多模态兴趣表征，以更好地满足用户潜在意图。