本文探讨了基于注意力模型的顺序推荐系统在计算和资源效率方面的挑战，提出了一种结合自动修剪技术的新方法，并在三个基准数据集上验证了其有效性。研究表明，EASRec在推荐系统中表现优越，为未来高效准确的推荐系统设定了新标准。

ClusterSeq是一种元学习聚类顺序推荐系统，通过结合用户序列中的动态信息和聚类，提高项目预测准确性。实验证实了ClusterSeq的有效性，在均衡互惠排名上取得了显著改善。