核心思路：制定统一的时间段划分；每一段都可以建立一个用户-物品交互网络（执行GCN）；段与段之间，同一个物品表达又存在联系（前者可以作为后者的先验/基准）

基本步骤：

1）划分用户行为：根据用户-物品交互行为网络，执行GCN，得到卷积后的物品表达

2）通过残差门设计（Residual Gating），将前一段网络中的物品表达和额外的静态物品表达进行加权，得到当前段网络的基准输入

3）针对单个用户，可以聚合其在当前段中访问的所有物品的表达（卷积后的表达）构建用户意图表达

4）进一步，可以聚合3）中的用户表达、1）中的卷积表达、以及静态物品表达，使得每段都得到一个融合表达

5）基于4）中的输出（每一个被访问的物品都有一个输出），进行注意力聚合，得到用来预测的表达

6）预测物品评分：将5）中的输出乘以（某个物品的卷积表达 + 该物品的静态表达）

GITHUB-CODE