本文以点击率预估为任务研究了针对序列推荐算法中存在的两个问题的解决方案。具体而言本文探讨了如何利用序列中的时间信息以及如何进行序列特征的交互。本文的主要研究内容包括：1 为了使用用户行为序列数据进行点击率预估任务本文首先设计了一个基于自注意力机制的网络模型然后在此基础上研究了如何将时间信息加入到自注意力网络模型中。本文提出了一种基于自注意力和对数时间嵌入的序列推荐模型该模型由时间信息提取层、嵌入层

本文针对序列推荐算法中存在的两个问题，即如何利用序列中的时间信息和如何进行序列特征的交互，提出了解决方案。首先，本文设计了一个基于自注意力机制的网络模型，并结合对数时间嵌入方法，提出了一个基于自注意力和对数时间嵌入的序列推荐模型。该模型由时间信息提取层、嵌入层、自注意力层和全连接层四部分组成，能够有效地预测用户的点击率。其次，为了提取序列特征中的高阶特征，本文提出了一个基于自注意力和特征交互的序列推荐模型。该模型使用特征交互层提取序列特征间的高阶特征，并采用多头自注意力模块和残差连接组成的特征提取层。最后，本文结合这两个模块，提出了一个自注意力模型，并在实际的梦幻海岛数据集中取得了最佳的效果。通过对比实验和消融实验，本文验证了所提出模型的有效性。