1.一种基于时间门控循环单元的跨领域序列智能推荐方法，其特征在于，包括以下步骤：

获取两个领域的数据集，两个领域指的是源领域与目标领域，并对两个领域的数据集进行包括用户和物品过滤的预处理；将用户在两个领域的历史行为序列按照时间先后顺序合并成一个跨领域序列；使用时间门控循环单元对跨领域序列进行建模，时间门控循环单元指的是在GRU的基础上作了改进，融入了时间间隔和用户信息；通过两个领域特定子网络建模分别得到两个领域候选行为的概率分布，两个领域特定子网络分别是源领域特定子网络和目标领域特定子网络，网络结构都是由前馈神经网络组成，然后同时对两个领域作下一个行为推荐。

2.根据权利要求一种基于时间门控循环单元的跨领域序列智能推荐方法，其特征在于，所述对两个领域的数据集进行数据预处理包括：统计源领域与目标领域的重叠用户U＝α β α β

U∩U ，U 表示源领域的用户集合，U表示目标领域的用户集合；然后过滤掉源领域中不属于重叠用户的行为记录之后得到物品集合S，再过滤掉目标领域中不属于重叠用户的行为记录之后得到物品集合T。

3.根据权利要求2所述的一种基于时间门控循环单元的跨领域序列智能推荐方法，其特征在于，所述将用户在两个领域的历史行为序列按照时间先后顺序合并成一个序列具体步骤为：对于每一个用户u∈U，将其在两个领域的行为序列按照时间先后顺序合并为一个序列 其中， 表示该用户在两个领域的历史行为总数。

4.根据权利要求3所述的一种基于时间门控循环单元的跨领域序列智能推荐方法，其特征在于，所述的时间门控循环单元主要由3部分组成，分别是重置门ri、更新门zi以及候选激活状态 组成，重置门和候选激活状态跟GRU保持一致，更新门由用户门ui和时间门gi通过矩阵变换得到，其中，用户门决定用户对当前物品的喜爱程度，时间门反应了当前物品对下一个物品的影响大小；最后，取出DTGRU最后一个时间步的特征向量ht‑1作为两个领域行为的整体特征表示。

5.根据权利要求4所述的一种基于时间门控循环单元的跨领域序列智能推荐方法，其特征在于，更新门zi由用户门ut、时间门gt通过矩阵变换得到：gi＝φ(ln(Δti)w+bt)zi＝σ(Wτui+Wvgi)

其中，φ表示tanh激活函数，σ表示sigmoid激活函数，Wu，Vu，Wτ，Wυ表示权重矩阵，bz，btu

表示偏置项，Δti表示序列s中第i个物品与第i+1个物品之间的时间间隔，另外，时间间隔Δti的类型不同，参数w的取值也不同：时间间隔共有4种不同类型：

其中，domaini表示第i个物品属于哪一个领域，source表示源领域，target表示目标领域。

6.根据权利要求5所述的一种基于时间门控循环单元的跨领域序列智能推荐方法，其特征在于，候选激活状态：

其中，φt表示tanh激活函数，Wn，Vn表示权重矩阵， 表示用户u的第i个行为对应的embedding向量，ri表示第i个行为时的重置门。

7.根据权利要求5所述的一种基于时间门控循环单元的跨领域序列智能推荐方法，其特征在于，所述的两个领域特定子网络分别是指：源领域特定子网络fS(x)和目标领域特定子网络fT(x)；

其中，γ表示relu激活函数， 表示权重矩阵， 表示偏置项。

8.根据权利要求7所述的一种基于时间门控循环单元的跨领域序列智能推荐方法，其特征在于，所述通过领域特定子网络得到两个领域的所有候选物品的概率分布，具体包括：在得到两个领域的概率分布之后，即可将各自概率最大的物品同时推荐给用户，模型损失函数 为两个领域的交叉熵损失相加，之后采用随机梯度下降算法对模型参数进行优化：

其中，λ是一个可调节参数，用于控制正则项的占比大小，Θ表示模型所有的参数集合。