面向用户兴趣状态分布的解耦演化建模与服务推荐方法

本发明涉及面向用户兴趣状态分布的解耦演化建模与服务推荐方法，先收集用户在服务系统中的交互数据，构建用户‑物品‑时间三元组序列；基于图卷积算法对用户与物品进行初始静态嵌入学习，提取用户‑物品交互图中的协同信号；构建解耦状态空间模型，将用户兴趣状态表示为由正交旋转矩阵与对角伸缩矩阵组成的分布变量，分别捕捉兴趣方向演化与多样性变化特征；依据旋转‑伸缩变换生成用户兴趣精度矩阵，采用各向异性马氏距离度量用户与物品之间的匹配程度；根据距离得分构建推荐列表，取前K个最优物品作为推荐结果。该方法突破用户兴趣建模的静态嵌入限制，实现动态演化结构中的不变量保持与潜在偏好外推，提升推荐系统的表达能力与泛化性能。