【技术实现步骤摘要】
本专利技术属于大语言模型增强的推荐，涉及深度学习模型、注意力机制等技术，具体的说是一种基于大语言模型增强的物品方面级偏好解耦推荐方法。
技术介绍
1、传统的推荐方法利用用户配置文件、物品属性和用户-物品历史交互信息，学习用户和物品的特征表示。其中，基于内容的推荐方法仅利用物品的内容特征等信息，结合用户交互行为 、配置文件进行推荐，它通过计算特征向量之间的相似度向目标用户推荐与其偏好内容相似的物品，其数据处理繁琐，数据利用单一，没能充分挖掘用户和物品的特征。协同过滤方法多数仅利用用户-物品历史交互数据来学习用户和物品的特征表示，过度依赖协同信号，容易产生过拟合，且不具备良好的可解释性。
2、为了克服上述局限，推荐系统引入辅助信息（如用户社交信息、地理位置信息等）进一步丰富用户和物品的特征表示。当下，随着电商网站、社交媒体平台等的兴起，用户线上消费行为频率越来越高，范围也越来越广。与此同时，当用户在消费完成后，部分用户会根据自己的体验给出相应的评价和评分，其中评分数据具有高稀疏性，而评价文本中往往蕴含着对应用户的大量偏好信息，因...
【技术保护点】
1.一种基于大语言模型增强的物品方面级偏好解耦推荐方法，其特征在于，是按如下步骤进行：
2.根据权利要求1所述的基于大语言模型增强的物品方面级偏好解耦推荐方法，其特征在于，所述步骤2是按如下步骤进行：
3.根据权利要求2所述的基于大语言模型增强的物品方面级偏好解耦推荐方法，其特征在于，所述步骤3是按如下步骤进行：
4.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1-3中任一所述物品方面级偏好解耦推荐方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
5.一种计算机可...
【技术特征摘要】
1.一种基于大语言模型增强的物品方面级偏好解耦推荐方法，其特征在于，是按如下步骤进行：
2.根据权利要求1所述的基于大语言模型增强的物品方面级偏好解耦推荐方法，其特征在于，所述步骤2是按如下步骤进行：
3.根据权利要求2所述的基于大语言模型增强的物品方面级偏好解耦推荐方法，其特征在于，所述步骤3是按如下步骤进行：
4.一种电子...
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。