一种基于大语言模型标签分类的可解释朋友推荐方法技术

本发明专利技术公开了一种基于大语言模型标签分类的可解释朋友推荐方法，包括以下步骤：获取用户的文本属性信息和关注信息；构建用户的文本属性词库，基于文本属性词库对用户文本属性重新分词并更新，获得更新后的文本属性信息集合；将更新后的文本属性信息集合作为大语言模型Q&A问答模式的输入并进行特征提取和分类；计算用户之间的相似度、关注度、推荐度；基于推荐度，获得为所推荐的候选推荐列表CRL；利用多目标进化优化框架对候选推荐列表CRL进行优化，得到最优推荐列表。本发明专利技术旨在实现用户之间的推荐结果的可解释性，最终得到同时满足用户需求的均衡解集来解决个性化朋友推荐问题。

【技术实现步骤摘要】

本专利技术涉及朋友推荐领域，更具体地说是一种基于大语言模型标签分类的可解释朋友推荐方法。

技术介绍

1、推荐系统(recommender system，rs)本质上是一种信息过滤系统，旨在根据用户的偏好和行为来为用户推荐商品、服务或信息。通过算法推荐达到节省用户时间，提升用户满意度，建立用户信任。但是对于用户来说，他们不仅希望得到推荐，还希望了解推荐的原因。可解释推荐系统不同于传统的推荐系统，为用户推荐的同时，给用户提供推荐理由，向用户解释清楚为什么推荐这些项目，使得推荐内容更容易被用户所接受。可解释推荐系统不仅能够提升推荐系统的透明度，还能够提升用户对推荐系统的信任度和接受度，进而提升用户对推荐产品的满意度。

2、面对不同的实际应用场景，推荐系统的解释有不同的形式。比如，基于用户和物品的解释，其中基于用户的解释通过分析目标用户的行为特征，找到具有相似兴趣和经验的用户群体，然后根据这个群体的偏好为目标用户推荐可能感兴趣的内容，而基于物品的解释可以让用户知道所推荐的物品与他之前喜欢的其他物品相似；基于特征的解释是将候选物品中用户感兴趣的内容特征与本文档来自技高网...

【技术保护点】

1.一种基于大语言模型标签分类的可解释朋友推荐方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于大语言模型标签分类的可解释朋友推荐方法，其特征在于：所述步骤(1)具体如下，设U为每位用户的所有文本属性信息集合，其中U＝{u1,u2,…ui,…uN}；设V为每位用户的所有关注信息，其中V＝{v1,v2,…vi,…,vN}。

3.根据权利要求2所述的一种基于大语言模型标签分类的可解释朋友推荐方法，其特征在于：所述步骤(2)具体如下，假设有N个用户并进行数字序列化，针对N位用户的文本属性信息集合U＝{u1,u2,…ui,…uN}出现过度分词问题，构建一个...

【技术特征摘要】

1.一种基于大语言模型标签分类的可解释朋友推荐方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于大语言模型标签分类的可解释朋友推荐方法，其特征在于：所述步骤(1)具体如下，设u为每位用户的所有文本属性信息集合，其中u＝{u1,u2,…ui,…un}；设v为每位用户的所有关注信息，其中v＝{v1,v2,…vi,…,vn}。

3.根据权利要求2所述的一种基于大语言模型标签分类的可解释朋友推荐方法，其特征在于：所述步骤(2)具体如下，假设有n个用户并进行数字序列化，针对n位用户的文本属性信息集合u＝{u1,u2,…ui,…un}出现过度分词问题，构建一个新文本属性词库lex并对n个用户的文本属性信息集合u＝{u1,u2,…ui,…un}进行重新分词、去除用户属性中的重复信息、删除停用词和统一化大小写的操作，最终得到更新后的文本属性信息集合u'＝{u’1,u’2,…,u’i,…u’n}。

4.根据权利要求3所述的一种基于大语言模型标签分类的可解释朋友推荐方法，其特征在于：所述步骤(3)中，分类具体分为...

【专利技术属性】
技术研发人员：葛媛媛，王红艳，张建鑫，朱萌，张磊，
申请(专利权)人：安徽大学，
类型：发明
国别省市：