基于短會話的推薦在推薦系統(tǒng)中一直是個(gè)熱點(diǎn)問題。基于短會話的推薦意思是根據(jù)用戶在一小段時(shí)間窗口內(nèi)的連續(xù)行為對用戶未來進(jìn)行預(yù)測。傳統(tǒng)的方法通常根據(jù)固定大小的時(shí)間窗口，將用戶的時(shí)序行為劃分成多個(gè)短會話，這樣的劃分方式存在著1)時(shí)間窗口過大則短會話中包含過多用戶行為，過小則短會話無法覆蓋完整的用戶階段行為；2)很難設(shè)置一個(gè)對所有用戶行為都適合的時(shí)間窗口等問題。因此，本發(fā)明提供了一種基于深度序列強(qiáng)化學(xué)習(xí)的用戶時(shí)序行為自動切分預(yù)測方法，無需人為的對用戶序列進(jìn)行劃分，有效的解決上述缺陷。