一种基于时序兴趣演化的场景感知个性化推荐系统及方法

本发明公开了一种基于时序兴趣演化的场景感知个性化推荐系统及方法，该系统包括多维行为数据采集模块、行为序列分析模块、特征工程模块和推荐模型模块。系统通过采集用户的显性及隐性行为数据、场景化数据和内容特征数据，利用时间加权机制对行为序列进行模式挖掘，构建兴趣状态转移图，并基于此生成行为‑场景关联矩阵。通过多层次特征融合策略，采用融合因子分解机和深度神经网络的DeepFM模型生成个性化推荐结果。本发明解决了传统推荐系统忽视用户兴趣时序演化特征、缺乏场景感知能力的技术问题。创新性地引入时间加权的序列模式挖掘和多维度特征融合策略，有效捕捉用户兴趣的动态变化规律，显著提升了推荐结果的准确性和时效性。