基于跨域行为数据的序列推荐的制作方法

背景技术：

1、随着网络技术的发展及网络信息的增长，推荐系统在许多在线服务中发挥着越来越重要的作用。基于所推荐的内容不同，存在不同的推荐系统，例如电影推荐系统、食谱推荐系统、书籍推荐系统、音乐推荐系统等。这些推荐系统通常会捕获用户的兴趣，并且根据用户兴趣来预测用户感兴趣的内容并将其推荐给用户。

技术实现思路

1、提供本技术实现要素：以便介绍一组构思，这组构思将在以下的具体实施方式中做进一步描述。本发明内容并非旨在标识所保护的主题的关键特征或必要特征，也不旨在用于限制所保护的主题的范围。

2、本公开的实施例提出了用于基于跨域行为数据的序列推荐的方法、装置和计算机可读介质。可以基于目标用户的历史内容项序列，生成所述目标用户的目标用户表示。可以从网络应用的日志中提取跨域行为序列集合。可以生成与所述跨域行为序列集合相对应的跨域序列表示集合。可以从所述跨域序列表示集合中检索与所述目标用户表示相似的相似序列表示集合。可以基于所述目标用户表示和所述相似序列表示集合，预测所述目标用户与候选内容项集合交互的交互概率集合。

3、应当注意，以上一个或多个方面包括在下文中详细描述并且在权利要求中具体指出的特征。以下说明书及附图详细阐述了所述一个或多个方面的某些说明性特征。这些特征仅仅指示可以采用各个方面的原理的各种方式，并且本公开旨在包括所有这些方面及其等同变换。

技术特征：

1.一种用于基于跨域行为数据的序列推荐的方法，包括：

2.根据权利要求1所述的方法，其中，所述生成与所述跨域行为序列集合相对应的跨域序列表示集合包括：

3.根据权利要求1所述的方法，其中，所述检索与所述目标用户表示相似的相似序列表示集合包括：

4.根据权利要求1所述的方法，其中，所述预测所述目标用户与候选内容项集合交互的交互概率集合包括：

5.根据权利要求4所述的方法，其中，所述生成综合上下文表示包括：

6.根据权利要求5所述的方法，其中，所述生成加权序列表示包括：

7.根据权利要求1所述的方法，其中，所述目标用户表示是通过编码器来生成的，并且所述编码器是利用序列增强策略和动量对比学习机制来训练的。

8.根据权利要求7所述的方法，其中，所述编码器的训练包括：

9.根据权利要求8所述的方法，其中，所述生成与所述初始内容项序列相对应的子对比学习预测损失包括：

10.根据权利要求1所述的方法，其中，所述候选内容项集合包括电影、视频、书籍、音乐、新闻、食谱和产品信息中至少之一。

11.一种用于基于跨域行为数据的序列推荐的装置，包括：

12.根据权利要求11所述的装置，其中，所述生成与所述跨域行为序列集合相对应的跨域序列表示集合包括：

13.根据权利要求11所述的装置，其中，所述检索与所述目标用户表示相似的相似序列表示集合包括：

14.根据权利要求11所述的装置，其中，所述预测所述目标用户与候选内容项集合交互的交互概率集合包括：

15.根据权利要求14所述的装置，其中，所述生成综合上下文表示包括：

16.根据权利要求15所述的装置，其中，所述生成加权序列表示包括：

17.根据权利要求11所述的装置，其中，所述目标用户表示是通过编码器来生成的，并且所述编码器是利用序列增强策略和动量对比学习机制来训练的。

18.根据权利要求17所述的装置，其中，所述编码器的训练包括：

19.根据权利要求18所述的装置，其中，所述生成与所述初始内容项序列相对应的子对比学习预测损失包括：

20.一种用于基于跨域行为数据的序列推荐的计算机可读介质，包括指令，所述指令在被执行时使得处理器：

技术总结本公开提出了用于基于跨域行为数据的序列推荐的方法、装置和计算机可读介质。可以基于目标用户的历史内容项序列，生成所述目标用户的目标用户表示。可以从网络应用的日志中提取跨域行为序列集合。可以生成与所述跨域行为序列集合相对应的跨域序列表示集合。可以从所述跨域序列表示集合中检索与所述目标用户表示相似的相似序列表示集合。可以基于所述目标用户表示和所述相似序列表示集合，预测所述目标用户与候选内容项集合交互的交互概率集合。技术研发人员：吴宁,公明,寿林钧,姜大昕受保护的技术使用者：微软技术许可有限责任公司技术研发日：技术公布日：2024/10/10