一种基于自注意神经塔克分解的汽车资讯服务推荐方法

本发明涉及推荐系统与表示学习技术领域，具体涉及一种基于自注意神经塔克分解的汽车资讯服务推荐方法。该方法包括：对基于汽车资讯服务的用户交互数据集进行预处理，得到训练数据集；建立自注意神经塔克分解模型并设置初始参数及训练参数；通过训练数据集对自注意神经塔克分解模型进行训练，得到汽车资讯服务推荐网络模型；将实时用户数据输入汽车资讯服务推荐网络模型得到推荐指标值，基于推荐指标值为平台目标用户生成对应的汽车资讯推荐结果并排序推送给用户，其能够有效捕捉用户、资讯及时间维度之间的复杂非线性交互关系，实现对汽车资讯推荐场景中动态时空特征的高效建模与预测。