计算机工程

作者：温雯, 钟宴宏, 郝志峰

单位：1. 广东工业大学计算机学院, 广东 广州 5100062. 汕头大学工学院, 广东 汕头 515063

关键词：推荐算法,时序衰减,协同过滤,可解释性,<i>k</i>近邻

基金：广东省自然科学基金(2024A1515011380)

重复消费行为在许多推荐场景中是一种普遍的现象, 如电商复购、兴趣点打卡等。重复消费行为包括复购可能性和复购时机两个因素, 现有的工作主要关注单个因素的预测, 无法有效解决何时复购何物这类具体的问题。此类问题的主要挑战是复购商品类型非常多样, 不同商品有不同的购买周期, 而复购行为往往比较稀疏, 给预测带来极大困难。另外, 复购行为包括时间和商品两个维度, 如何利用这两个维度的信息进行预测也是一个挑战。针对上述挑战, 从用户个性化的动态衰减特性这一角度探索解决方法, 建立复购行为及时间间隔的联合预测模型。首先, 根据用户对某商品的兴趣随着时间衰减以及近期行为与复购行为具有更强的潜在关联关系, 建模商品序列以获得用户表达向量, 同时利用邻居序列的信息以解决复购行为稀疏性问题; 其次, 设计神经网络模块, 捕获用户的个性化复购周期和商品复购周期, 解决时间和商品两个维度的信息融合问题。在多个公开数据集上的大量实验结果表明, 该模型优于现有相关的基准模型。

来源：2026年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第4期