融合序列特征的用户会话兴趣预测模型

来源：计算机应用与软件杂志2025年第9期北京时间：

作者：吴彦文, 徐景琛, 葛迪, 刘智, 邓云泽

摘要：由于会话中天然存在时序特征，传统的会话模型因此都是围绕该特征来展开，但对序列间顺序无关特征的挖掘缺少关注。针对这种情况，提出一种融合了会话中的两大序列特征的推荐模型。在顺序依赖模型中利用 Bi-LSTM 和注意力机制获取该段会话中的用户同质兴趣特征表示；在顺序无关依赖模型中通过多层感知机、残差网络和注意力机制去捕捉会话间的用户异质兴趣特征表示；通过融合这两种兴趣特征表示去预测用户的下一点击项。实验结果表明，该模型相比次优模型在 Yoochoose 数据集上 P@20 最高提升 0.88 百分点，MRR@20 提升 0.41 百分点，在 Diginetica 数据集上 MRR@20 提升 0.15 百分点。

关键词：用户兴趣预测, 会话推荐, 顺序依赖, 顺序无关依赖, 注意力网络, Bi-LSTM