本研究提出了一种新范式“偏好识别”，旨在解决现有序列推荐系统个性化不足的问题。通过Mender方法，研究表明其在评估基准上表现优越，有效引导推荐系统识别用户偏好，促进个性化推荐的发展。

本文提出了一种基于序列的累积交叉熵（CCE）损失函数，旨在提升序列推荐系统的性能，解决序列信息利用率低的问题。实验结果表明该损失函数有效，并展示了其在推荐模型中的应用潜力。