【技术实现步骤摘要】
本专利技术属于信息推荐，尤其涉及一种上下文语境提示的数据生成推荐方法和装置。
技术介绍
1、传统的推荐系统通常依赖于用户与物品之间的历史交互数据来进行推荐。然而，在真实的推荐场景中，由于用户数量庞大、物品众多，每个用户仅与少部分物品有过交互，导致用户-物品评分矩阵非常稀疏。此外，对于新加入的用户或物品，由于其历史数据极少，推荐系统很难准确地为其进行推荐，这就是所谓的冷启动问题。
技术实现思路
1、本专利技术要解决的技术问题是，提供一种上下文语境提示的数据生成推荐方法和装置，以解决推荐系统中的数据稀疏和冷启动问题。
2、为实现上述目的，本专利技术采用如下的技术方案：
3、一种上下文语境提示的数据生成推荐方法，包括：
4、步骤s1、根据推荐任务，得到多token文本序列模板；
5、步骤s2、根据多token文本序列模板，得到包含用户兴趣和物品特征的文本序列；
6、步骤s3、根据文本序列，构建user-item稠密交互矩阵；
7、步骤s4、根据user-item稠密交互矩阵进行用户兴趣的推荐。
8、作为优选，多token文本序列模板为包含用户兴趣和物品特征的多token文本序列模板，其中部分token为占位符，用于表示需要推荐的物品。
9、作为优选，步骤s2中，将多token文本序列模板输入到llm(large languagemodel)中，利用llm的生成能力填充占位符，生成包含用户兴趣和
10、作为优选，步骤s3中，将文本序列中的用户兴趣和物品特征进行提取和量化，然后将其填充到user-item矩阵中相应的位置上。
11、本专利技术还提供一种上下文语境提示的数据生成推荐装置，包括：
12、第一构建模块，用于根据推荐任务，得到多token文本序列模板；
13、生成模块，用于根据多token文本序列模板，得到包含用户兴趣和物品特征的文本序列；
14、第二构建模块，用于根据文本序列，构建user-item稠密交互矩阵；
15、推荐模块，用于根据user-item稠密交互矩阵进行用户兴趣的推荐。
16、作为优选，多token文本序列模板为包含用户兴趣和物品特征的多token文本序列模板，其中部分token为占位符，用于表示需要推荐的物品。
17、作为优选，生成模块将多token文本序列模板输入到llm中，利用llm的生成能力填充占位符，生成包含用户兴趣和物品特征的文本序列。
18、作为优选，第二构建模块将文本序列中的用户兴趣和物品特征进行提取和量化，然后将其填充到user-item矩阵中相应的位置上。
19、本专利技术通过利用llm的零样本或少样本学习能力以及上下文语境提示技术，生成与推荐任务相关的交互数据，解决了推荐系统中的数据稀疏和冷启动问题。同时，通过将推荐任务转化为完形填空任务并利用llm生成高质量的推荐数据，提高了推荐的准确性。
本文档来自技高网...【技术保护点】
1.一种上下文语境提示的数据生成推荐方法，其特征在于，包括：
2.如权利要求1所述的上下文语境提示的数据生成推荐方法，其特征在于，多token文本序列模板为包含用户兴趣和物品特征的多token文本序列模板，其中部分token为占位符，用于表示需要推荐的物品。
3.如权利要求2所述的上下文语境提示的数据生成推荐方法，其特征在于，步骤S2中，将多token文本序列模板输入到LLM中，利用LLM的生成能力填充占位符，生成包含用户兴趣和物品特征的文本序列。
4.如权利要求3所述的上下文语境提示的数据生成推荐方法，其特征在于，步骤S3中，将文本序列中的用户兴趣和物品特征进行提取和量化，然后将其填充到user-item矩阵中相应的位置上。
5.一种上下文语境提示的数据生成推荐装置，其特征在于，包括：
6.如权利要求5所述的上下文语境提示的数据生成推荐装置，其特征在于，多token文本序列模板为包含用户兴趣和物品特征的多token文本序列模板，其中部分token为占位符，用于表示需要推荐的物品。
7.如权利要求6所述的上下
8.如权利要求7所述的上下文语境提示的数据生成推荐装置，其特征在于，第二构建模块将文本序列中的用户兴趣和物品特征进行提取和量化，然后将其填充到user-item矩阵中相应的位置上。
...【技术特征摘要】
1.一种上下文语境提示的数据生成推荐方法，其特征在于，包括：
2.如权利要求1所述的上下文语境提示的数据生成推荐方法，其特征在于，多token文本序列模板为包含用户兴趣和物品特征的多token文本序列模板，其中部分token为占位符，用于表示需要推荐的物品。
3.如权利要求2所述的上下文语境提示的数据生成推荐方法，其特征在于，步骤s2中，将多token文本序列模板输入到llm中，利用llm的生成能力填充占位符，生成包含用户兴趣和物品特征的文本序列。
4.如权利要求3所述的上下文语境提示的数据生成推荐方法，其特征在于，步骤s3中，将文本序列中的用户兴趣和物品特征进行提取和量化，然后将其填充到user-item矩阵中相应的位置上。
【专利技术属性】
技术研发人员：毛昭勇，王亦晨，沈钧戈，王鑫，谭浩声，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。