一种融合用户历史行为的多模态标签推荐方法

本发明公开了一种融合用户历史行为的多模态标签推荐方法，包括：1.获取标签推荐场景下的基本信息；2.将标签推荐场景下的基本信息输入多模态深度学习标签推荐网络，提取文本、视觉、标签特征，结合注意力机制和融合模块，得到帖子标签预测概率；3.利用标签预测概率和真实标签构建交叉熵损失，并对多模态深度学习标签推荐网络进行训练和优化。本发明通过有效融合帖子的多模态内容与用户的历史标签行为信息，引入注意力机制识别影响标签推荐的特定视觉和文本元素，整合并赋予异质信息以不同的重视程度，进而预测并推荐标签列表，显著提升标签推荐的准确性。