研究文章
一种改进的基于短序列的顺序推荐算法增强和颞Self-Attention机制
|
输入:行为序列的用户 |
|
输出:推荐结果的用户列表
,表示为 |
| (1) |
为
在做 |
| (2) |
如果
然后 |
| (3) |
|
| (4) |
其他的 |
| (5) |
%日期预处理 |
| (6) |
如果 |
| (7) |
结束了 |
| (8) |
为
在做 |
| (9) |
%反向预测模型的训练 |
| (10) |
结束了 |
| (11) |
为
在做 |
| (12) |
%短序列增强 |
| (13) |
结束了 |
| (14) |
为
在做 |
| (15) |
生成时间间隔矩阵; |
| (16) |
计算time-aware self-attention模型; |
| (17) |
应用逐点前馈网络和进一步处理; |
| (18) |
计算预测和损失; |
| (19) |
结束了 |
| (20) |
返回
; |
|
