基于Mamba2与自适应时频分析的序列推荐模型.pdfVIP

第４３卷第３期湖北民族大学学报(自然科学版)Ｖｏｌ.４３Ｎｏ.３

２０２５年９月ＪｏｕｒｎａｌｏｆＨｕｂｅｉＭｉｎｚｕＵｎｉｖｅｒｓｉｔｙ(ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ)Ｓｅｐ.２０２５

－－－－

文章编号:２０９６７５９４(２０２５)０３０４０５０６ＤＯＩ:１０.１３５０１/ｊ.ｃｎｋｉ.４２１９０８/ｎ.２０２５.０６.０２４

基于Ｍａｍｂａ２与自适应时频分析的序列推荐模型

∗

胡春阳ꎬ刘唤唤ꎬ葛斌ꎬ韦忠亮ꎬ霍振革

(安徽理工大学计算机科学与工程学院ꎬ安徽淮南２３２００１)

摘要:针对基于自注意力机制的变换器(Ｔｒａｎｓｆｏｒｍｅｒ)模型在序列推荐任务中ꎬ存在动态用户兴趣捕捉不足以及计算

复杂度随序列长度呈平方级增长的问题ꎬ提出了基于曼巴２(Ｍａｍｂａ２)与自适应时频分析的序列推荐模型(ｓｅｑｕｅｎｔｉａｌ

－

ｒｅｃｏｍｍｅｎｄａｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎＭａｍｂａ２ａｎｄａｄａｐｔｉｖｅｔｉｍｅｆｒｅｑｕｅｎｃｙａｎａｌｙｓｉｓꎬＭ２ＡＴＦＳＲｅｃ)ꎬ用于提升模型对动态用户

兴趣的捕捉能力ꎬ进而在降低模型计算复杂度的同时提升模型的推荐精度ꎮ首先ꎬ采用自适应时频分析方法提取用

户历史行为序列的时频特征ꎬ对兴趣的多尺度周期模式进行显示编码ꎻ然后ꎬ利用Ｍａｍｂａ２的选择性状态空间机制ꎬ

实现长序列的高效动态兴趣建模ꎮＭ２ＡＴＦＳＲｅｃ在电影镜头１００万条评分(ｍｏｖｉｅｌｅｎｓ１ｍｉｌｌｉｏｎｒａｔｉｎｇｓꎬＭｏｖｉｅＬｅｎｓ－

－－

１Ｍ)、亚马逊美妆产品(ＡｍａｚｏｎｂｅａｕｔｙｐｒｏｄｕｃｔｓꎬＡｍａｚｏｎＢｅａｕｔｙ)和亚马逊视频游戏(ＡｍａｚｏｎｖｉｄｅｏｇａｍｅｓꎬＡｍａｚｏｎ

－

ＶｉｄｅｏＧａｍｅｓ)数据集上进行实验ꎬ在归一化累积折损增益(ｎｏｒｍａｌｉｚｅｄｄｉｓｃｏｕｎｔｅｄｃｕｍｕｌａｔｉｖｅｇａｉｎꎬＮＤＣＧ)指标上相比

面向高效的顺序推荐与选择性状态空间模型(ｔｏｗａｒｄｓｅｆｆｉｃｉｅｎｔｓｅｑｕｅｎｔｉａｌｒｅｃｏｍｍｅｎｄａｔｉｏｎｗｉｔｈｓｅｌｅｃｔｉｖｅｓｔａｔｅｓｐａｃｅ

ｍｏｄｅｌꎬＭａｍｂａ４Ｒｅｃ)分别提升了６.４２％、２２.７６％和３３.２２％ꎮ该模型在长序列场景下具有更优的推荐性能ꎮ

关键词:推荐系统ꎻ序列推荐ꎻＭａｍｂａ２ꎻ数据稀疏性ꎻ频域融合ꎻ长短期偏好

中图分类号:ＴＰ３９１文献标志码:Ａ

引用格式:胡春阳ꎬ刘唤唤ꎬ葛斌ꎬ等.基于Ｍａｍｂａ２与自适应时频分析的序列推荐模型[Ｊ].湖北民族大学学报(自然

－

科学版)ꎬ２０２５ꎬ４３(３):４０５４１０.

ＳｅｑｕｅｎｔｉａｌＲｅｃｏｍｍｅｎｄａｔｉｏｎＭｏｄｅｌＢａｓｅｄｏｎＭａｍｂａ２

－

ａｎｄＡｄａｐｔｉｖｅＴｉｍｅｆｒｅｑｕｅｎｃｙＡｎａｌｙｓｉｓ