本文提出了一种基于序列的累积交叉熵（CCE）损失函数，以提高推荐系统中序列信息的利用率。实验结果表明，该方法在不使用负采样的情况下，能够有效训练推荐模型并提升性能。此外，研究还引入了简化的采样Softmax交叉熵（SimCE），其效果优于传统的BPR和SSM。

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。