摘要
本发明公开了一种基于扩散模型和自注意力机制的序列推荐方法，主要步骤包括：首先对于输入的用户历史行为序列、候选推荐物品通过嵌入层获得嵌入表示，之后进行正向加噪，在此过程中训练出基于注意力机制的信息提取网络。然后从高斯分布中随机采样噪声样本，再将用户历史行为序列输入嵌入层获得用户历史行为嵌入表示，将该嵌入表示输入信息提取网络获得用户兴趣特征表示。之后将噪声样本、用户历史行为嵌入表示、用户兴趣特征表示输入扩散模型进行反向过程去噪，通过指定步数的去噪过程后，获得最为匹配的推荐序列嵌入表示，通过解码层解码得到得分最高的推荐物品序列，完成序列推荐任务。本发明使用扩散模型并通过改进的信息提取网络和自注意力机制来提取用户历史行为序列中的用户兴趣特征，有效提升了个性化序列推荐的准确率。
