《序列推荐下的长期和短期兴趣对比学习方法》

技术简介：

本申请涉及自监督学习技术领域,公开了一种序列推荐下的长期和短期兴趣对比学习方法。所述方法将历史交互序列输入滤波层进行过滤增强,获得历史交互增强序列,以减少历史交互序列中的噪音的影响；基于历史交互增强序列获取长期和短期兴趣表征,并通过对比学习任务学习长期和短期兴趣表征,以确保长期和短期兴趣表征的分离。基于长期与短期兴趣表征分别捕获用户个性化全局上下文信息长期和短期兴趣；并通过预设的辅助损失函数优化用户个性化全局上下文信息长期和短期兴趣,最后利用注意力机制网络处理用户个性化全局上下文信息长期和短期兴趣,获得用户兴趣表征。辅助损失函数可以从多角度进行学习和优化,从而减轻数据稀疏性带来的影响。

研发人员：李艺;杨长春