Long-Term Interest Clock: Fine-Grained Time Perception in Streaming Recommendation System

本文提出了一种名为“长期兴趣时钟”的推荐系统，用于细粒度时间感知。主要分为Clock-GSU和Clock-ESU两个部分。Clock-GSU从长期行为中提取与候选项目和当前时间相关的子序列，通过计算候选项目与历史行为之间的相关分数来实现。Clock-ESU则利用多头时间间隔感知注意力机制，提取用户当前兴趣的表示。实验结果表明，该方法在工业推荐数据集上表现出有效性。