时间间隔建模

概述

在序列推荐和用户行为建模中考虑交互事件之间实际时间间隔的技术方法，相比于仅考虑相对位置，时间间隔建模能更准确地反映用户兴趣演化的动态过程。

基本概念：传统的序列建模方法（如SASRec）仅考虑物品在序列中的相对位置，而忽略了交互之间的真实时间间隔。时间间隔建模则将实际的时间戳信息纳入模型，认为一小时内连续浏览的物品和间隔数月的两次购买具有不同的语义关联强度。
核心动机：
语义差异：短时间内发生的行为更可能属于同一兴趣主题
遗忘效应：时间间隔越长，行为间的关联性越弱
动态兴趣：用户兴趣会随时间演化，时间间隔反映了这种演化的程度
技术实现：
时间嵌入：将时间间隔离散化并映射为可学习的嵌入向量
位置编码增强：在传统位置编码基础上加入时间间隔信息
注意力权重调整：根据时间间隔长短对注意力权重进行衰减
应用场景：
序列推荐：如TiSASRec在SASRec基础上引入时间间隔建模
会话推荐：区分长会话和短会话中的行为关联
用户画像更新：根据时间间隔调整用户兴趣权重
效果提升：在用户行为时间分布不均匀的场景下，时间间隔建模能显著提升推荐准确性，特别是对于那些兴趣演化较快的用户群体。