一种基于解纠缠表示学习的能源科技新闻推荐方法

本发明属于数据挖掘和推荐技术领域，公开了一种基于解纠缠表示学习的能源科技新闻推荐方法，首先获取用户行为数据集，构建用户特征序列与全局能源科技新闻共现图数据；接着构建预测模型DISNER，包含SMPredict模型、CMPredict模型、双重解纠缠模块及兴趣稳定性自适应融合模块，然后利用构建的数据训练DISNER模型获取权重；最后将权重加载回模型，输入用户行为数据，实现对用户点击候选能源科技新闻概率的预测，解决了现有能源科技新闻推荐系统中存在的推荐内容单一化、用户兴趣建模不充分以及语义与协同信息整合不均衡的问题。