基于Mamba和数据增强的用户点击行为序列预测方法和系统

本发明提供一种基于Mamba和数据增强的用户点击行为序列预测方法，包括：收集用户、物品、物品类别、用户点击行为序列信息，进行数据清洗，初始化用户、物品、类别及候选集物品的表示向量；定义和设计适用于用户点击行为序列的Mamba模块，利用Mamba模块的选择性传播与遗忘机制，进行动态参数调整，对用户点击行为序列进行预处理和行为特征提取；定义和设计数据增强方式，生成多样化的数据样本；整合Mamba预处理和数据增强的结果，在训练过程中使用掩码技术在对应批次只训练能表示点击行为的非填充部分的部分数据；根据损失函数优化参数，在验证集上评估该方法性能。本发明在不降低预测准确性的基础上，提高处理长序列信息的效率，依托数据增强技术对用户点击行为序列进行多样化处理，进一步捕获用户潜在的多样化兴趣，实现用户点击行为的高效预测。