时间自适应预测的动态图神经网络序列推荐模型
来源：计算机工程与应用杂志2026年第12期北京时间：
作者：陈万志, 李卓
单位：辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105；
摘要：针对当前序列推荐方法未关注用户行为时间间隔及其早期交互的问题，提出一种时间自适应预测的动态图神经网络序列推荐模型。将用户行为序列构建为动态图，并设计时间分桶自适应阈值预测模块，根据不同时间跨度精确捕捉用户行为变化，优化时间信息处理；设计动态记忆模块，强化模型在识别长期依赖、快速适应环境变化和灵活管理记忆方面的能力；引入双分支动态加权激活机制通过动态调节长期和短期信息的权重，进一步提升模型的表达能力，大幅减缓偏好提取过程中的梯度消失现象，确保用户偏好更新的灵活准确。在Amazon数据集Beauty、Games和CDs上实验结果表明，所提模型的性能指标中NDCG@10最高提升5.18%，Hit@10最高提升2.75%，证明了所提算法能够有效地增强对序列时间信息的感知能力，并在捕捉用户动态偏好的序列推荐任务中具有更优越的性能。
关键词：序列推荐,图神经网络,时间分桶,动态记忆,双分支动态加权激活
基金资助：辽宁省教育厅高校科研基金[2021LJKZ0327]；辽工程GPU资源支持项目（2024-02）。
