1 论文标题：面向电商复杂用户行为序列的多视角协同学习框架研究

2 作者信息：李炜玮, 李 华*：贵州大学省部共建公共大数据国家重点实验室，贵州 贵阳

3 出处和链接：李炜玮, 李华. 面向电商复杂用户行为序列的多视角协同学习框架研究[J]. 电子商务评论, 2026, 15(8): 242-252. https://doi.org/10.12677/ecl.2026.158870

4 摘要：针对电商用户行为序列建模中特征提取不全、时序与频率特征融合不足的问题，本文提出多视角协同学习框架TPA-Net。该框架通过多尺度特征提取、时空频三路径并行编码与跨路径注意力融合，实现复杂行为序列的高维表征。在阿里巴巴用户行为数据集的6分类任务中，TPA-Net准确率达92.17%，Macro-F1达91.12%，较双路径CNN-LSTM显著提升。模型精度提升的同时计算成本有所增加，可为电商用户价值细分、流失预警与精准营销提供技术支撑，也为复杂时序预测提供参考。