融合多意图感知的长短期序列推荐模型

来源：计算机技术与发展杂志2025年第08期北京时间：

作者：潘?宇;姚晨光;程树林;

单位：1. 安庆师范大学 计算机与信息学院,安徽 安庆 246133;2. 安徽省智能感知与计算重点实验室,安徽 安庆 246133

摘要：现有的序列推荐模型通常假设用户历史行为序列中的所有行为蕴含的用户意图一致。然而在实际场景中,用户的历史行为往往包含多种意图,导致模型难以准确捕捉用户的真实偏好,从而影响推荐效果。为了解决这一问题,该文提出了一种多意图感知的长短期序列推荐模型。首先,将稀疏的用户历史行为序列重构为一个密集的用户行为关系图,通过图注意力网络聚合用户行为中的意图信息,并利用对比学习优化关系图上的节点表示。其次,将优化后的行为关系图转换为用户意图序列,并从中学习用户的当前主要意图。再次,利用学习到的主要意图引导模型对用户长短期偏好进行针对性学习。最后,通过信息对齐层实现主要意图与长短期偏好的特征对齐,并采用多尺度注意力机制对对齐后的信息进行融合,以生成更优质的推荐结果。在三个公开数据集上的实验结果表明,与主流模型相比,该模型在AUC、MRR和NDCG@2三个指标上均取得了显著提升。

关键词：序列推荐;多意图感知;长短期偏好;多尺度注意力机制;对比学习