基于用户行为的智能推荐系统

本发明涉及大数据分析领域，特别是基于用户行为的智能推荐系统。通过获取系统中的用户显式行为数据和用户隐式行为数据，获取系统中用户的交互深度指标数据，利用差分隐私技术对数据中的敏感行为添加噪声，建立可变时间衰减函数，使用层次化Transformer编码器将行为序列按会话分割，基于异构图神经网络建立GNN用户智能推荐模型，将多任务学习框架与异构图神经网络相连接，得到目标GNN用户智能推荐模型，利用多目标优化算法优化模型的推荐结果，将特征多粒度行为数据输入至用户智能推荐模型中进行识别，得到用户推荐结果。可以避免单一目标导致的推荐同质化问题，提高智能推荐效率和推荐的准确度。