基于会话的推荐旨在根据匿名会话中的历史行为预测用户的下一步操作。为了实现更精准的推荐，准确捕捉用户偏好及其动态变化至关重要。此外，用户偏好会随时间动态演变，且每种偏好均具有独立的演化轨迹。然而，以往大多数方法忽视了偏好的动态演变趋势，容易受到偏好漂移（preference drifting）效应的干扰。为此，本文提出一种新颖的偏好演化网络——PEN4Rec（Preference Evolution Networks for session-based Recommendation），通过两阶段的历史上下文检索机制建模偏好演化过程。具体而言，第一阶段根据近期行为项整合相关行为信息；第二阶段则动态建模偏好随时间的演化轨迹，进而推断出丰富的偏好特征。该机制能够在偏好演化过程中强化相关序列行为的影响，同时有效抑制偏好漂移带来的干扰。在三个公开数据集上的大量实验结果表明，所提出的模型在推荐效果上具有显著优势与有效性。