公开(公告)号：CN110110372A

公开(公告)日：2019-08-09

申请号：CN201910279004.0

申请日：2019-04-09

Applicant: 华东师范大学

Inventor： 张伟 ,  梁文伟

IPC: G06F17/50 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/00

Abstract: 基于短会话的推荐在推荐系统中一直是个热点问题。基于短会话的推荐意思是根据用户在一小段时间窗口内的连续行为对用户未来进行预测。传统的方法通常根据固定大小的时间窗口，将用户的时序行为划分成多个短会话，这样的划分方式存在着1)时间窗口过大则短会话中包含过多用户行为，过小则短会话无法覆盖完整的用户阶段行为；2)很难设置一个对所有用户行为都适合的时间窗口等问题。因此，本发明提供了一种基于深度序列强化学习的用户时序行为自动切分预测方法，无需人为的对用户序列进行划分，有效的解决上述缺陷。

公开(公告)号：CN110110372B

公开(公告)日：2023-04-18

申请号：CN201910279004.0

申请日：2019-04-09

Applicant: 华东师范大学

Inventor： 张伟 ,  梁文伟

IPC: G06F30/27 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/00

Abstract: 基于短会话的推荐在推荐系统中一直是个热点问题。基于短会话的推荐意思是根据用户在一小段时间窗口内的连续行为对用户未来进行预测。传统的方法通常根据固定大小的时间窗口，将用户的时序行为划分成多个短会话，这样的划分方式存在着1)时间窗口过大则短会话中包含过多用户行为，过小则短会话无法覆盖完整的用户阶段行为；2)很难设置一个对所有用户行为都适合的时间窗口等问题。因此，本发明提供了一种基于深度序列强化学习的用户时序行为自动切分预测方法，无需人为的对用户序列进行划分，有效的解决上述缺陷。