<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">TACS</journal-id><journal-title-group><journal-title>Technology and Application of Computer Science</journal-title></journal-title-group><issn>2998-8926</issn><eissn>2998-8934</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/TACS.2026070008</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>融合时序特征模型与注意力机制的用户行为预测方法</title><url>https://artdesignp.com/journal/TACS/3/7/10.61369/TACS.2026070008</url><author>张伟</author><pub-date pub-type="publication-year"><year>2026</year></pub-date><volume>3</volume><issue>7</issue><history><date date-type="pub"><published-time>2026-04-14</published-time></date></history><abstract>针对用户行为数据时序复杂、特征关联隐蔽、动态适配难、泛化能力弱等几个问题，本文提出一种结合时序特征模型和注意力机制的用户行为预测方法。阐述研究背景、研究意义、研究难点及研究路径，提出多层时序特征提取、特征关联融合、动态注意力优化、行为模式泛化验证四个策略，用数字文化服务平台项目验证方法来检验其有效性。可以给用户行为预测提供技术上的借鉴，从而提高数字化平台智能服务水平。</abstract><keywords>时序特征模型, 注意力机制, 用户行为预测, 方法研究</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 李颖 . 短视频发展中的数字媒体技术与人工智能技术协同创新探析 [J]. 印刷与数字媒体技术研究 ,2025,(S2):58-65.DOI:10.19370/j.cnki.cn10-1886/ts.2025.S2.008.
[2] 李清华 . 基于机器学习的电商用户复购行为预测与细分研究 [D]. 兰州交通大学 ,2025.DOI:10.27205/d.cnki.gltec.2025.001207.
[3] 陈丽 . 基于双信号朴素贝叶斯分类器模型的电商用户行为预测 [J]. 新疆职业大学学报 ,2026,34 (1):70-75.DOI:10.27016/j.cnki.cn65-1228/g4.2026.01.011.
[4] 张巍 . 基于大数据分析与 AI 的用户行为预测策略研究 [J]. 电脑知识与技术 ,2026,22 (6):61-63.DOI:10.14004/j.cnki.ckt.2026.0195.
[5] 韩中合 , 张晓雨 , 宋寒 , 等 . 基于用户用能行为预测的柔性负荷优化调控方法研究 [J]. 动力工程学报 ,2026,46 (1):200-212.DOI:10.19805/j.cnki.jcspe.2026.240643.
[6] 沈丹 . 通信行业用户行为的动态预测大数据分析框架的构建与应用 [J]. 长江信息通信 ,2025,38 (12):231-234.DOI:10.20153/j.issn.2096-9759.2025.12.064.
[7] 申晨彦 . 算法赋能下电商用户行为预测模型优化研究 [J]. 无线互联科技 ,2025,22 (23):23-27.
[8] 李树光 . 基于5G 通信技术与深度学习算法的智慧图书馆用户行为预测 [J]. 长江信息通信 ,2025,38 (11):105-107.DOI:10.20153/j.issn.2096-9759.2025.11.028.
[9] 王海涛 , 王超 . 基于 LightGBM 算法的用户作弊行为预测设计与实现 [J]. 长江信息通信 ,2025,38 (10):104-107.DOI:10.20153/j.issn.2096-9759.2025.10.028.
[10] 沈旺 , 李欣 , 孙珂 , 等 . 网络舆情事件用户在线评论行为预测研究 [J]. 现代情报 ,2025,45 (12):118-129.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
