本文的创新点有以下两个：1 针对序列推荐中的时间信息利用问题本文通过分析用户行为序列的特点提出了一种对数时间嵌入方法。在自注意力网络模型中加入该方法可以使模型捕捉到用户行为序列中的先后和因果关系。而且对数时间嵌入方法符合推荐数据集中用户兴趣的变化特点。在两个公开数据集以及一个私有数据集上进行实验表明了该方法的优越性以及实用价值。2 针对序列推荐中的特征交互问题本文提供了一种提取高阶序列特征的思路设

本文在序列推荐中提出了两个创新点。第一个创新点是针对时间信息利用问题，提出了一种对数时间嵌入方法，该方法可以捕捉到用户行为序列中的先后和因果关系，并符合推荐数据集中用户兴趣的变化特点。在实验中，该方法表现出了优越性和实用价值。第二个创新点是解决序列推荐中的特征交互问题，提出了一种共享参数的特征交互网络，该网络使用多头自注意力模型进行特征交互，对序列中每个元素的嵌入向量进行了相同的处理。在实验中，该方法同样表现出了优越性和实用价值。