一种基于大语言模型进行数据增强的超图推荐方法技术

本发明专利技术公开了一种基于大语言模型进行数据增强的超图推荐方法，它包括如下步骤：步骤S1、以数据日志的方式获取用户与商品的交互数据D<subgt;0</subgt;；步骤S2、对原始的交互数据D<subgt;0</subgt;进行预处理操作，得到预处理后的交互数据D<subgt;1</subgt;。本发明专利技术提供一种基于大语言模型进行数据增强的超图推荐方法，针对现有推荐系统的与边缘信息相关的数据稀疏和噪声问题，借助大语言模型强大的理解能力，对原始交互数据进行模拟交互增强以及交互噪声数据消除，再引入复杂网络中超图的概念，运用超图卷积和联合更新技术，充分提取用户、商品之间的高阶关系，得到更精确的用户和商品嵌入表示，从而使推荐结果更加精准。

【技术实现步骤摘要】

本专利技术涉及一种基于大语言模型进行数据增强的超图推荐方法，属于数字化信息。

技术介绍

1、目前，在当下数字信息化时代，用户在选择购买产品时，面对大量的在线产品会感到无所适从，挑选适合自己的产品费时费力。如何引导用户穿过信息的喧嚣，根据用户的偏好和行为提供个性化建议，已成为一个亟待解决的问题。为了应对这一挑战，推荐系统已成为一种关键解决方案。

2、推荐系统是解决信息过载问题的有效方法，能够避免用户在选择产品时浪费太多的时间，从而提高检索效率。近年来，由于图神经网络在图结构数据上有着强大的表示能力，使得基于图神经网络的推荐算法迅速发展。但是，这种使用交互边信息的推荐系统的一个重要限制是数据噪声问题，其中属性或特征可能由于错误的点击而与用户偏好缺乏直接关联。另外，许多推荐场景很难从有限的交互数据中学习高质量的用户和项目表示，在超图中表示为某些节点本应该包含在某些超边中但是事实并没有，导致无法得到高质量的嵌入表示，极大的影响了推荐的性能。

技术实现思路

1、本专利技术所要解决的技术问题是，克服现有技术的本文档来自技高网...

【技术保护点】

1.一种基于大语言模型进行数据增强的超图推荐方法，其特征在于，它包括如下步骤：

2.根据权利要求1所述的基于大语言模型进行数据增强的超图推荐方法，其特征在于：所述步骤S1中的交互数据D0包括用户id、商品id、商品类型以及交互记录。

3.根据权利要求1所述的基于大语言模型进行数据增强的超图推荐方法，其特征在于，所述步骤S2中，对原始的交互数据D0进行预处理操作，具体包括如下步骤：

4.根据权利要求1所述的基于大语言模型进行数据增强的超图推荐方法，其特征在于，所述步骤S3中，对交互数据D1进行再处理，通过大模型总结用户偏好，筛选出历史交互中用户真实感兴趣...

【技术特征摘要】

1.一种基于大语言模型进行数据增强的超图推荐方法，其特征在于，它包括如下步骤：

2.根据权利要求1所述的基于大语言模型进行数据增强的超图推荐方法，其特征在于：所述步骤s1中的交互数据d0包括用户id、商品id、商品类型以及交互记录。

3.根据权利要求1所述的基于大语言模型进行数据增强的超图推荐方法，其特征在于，所述步骤s2中，对原始的交互数据d0进行预处理操作，具体包括如下步骤：

4.根据权利要求1所述的基于大语言模型进行数据增强的超图推荐方法，其特征在于，所述步骤s3中，对交互数据d1进行再处理，通过大模型总结用户偏好，筛选出历史交互中用户真实感兴趣的商品，减少交互数据d1中因为误点击等行为造成的噪声，得到减少了噪声的交互数据d2，具体包括如下步骤：

5.根据权利要求1所述的基于大语言模型进行数据增强的超图推荐方法，其特征在于，所述步骤s4中，采用大模型粗粒度地预测用户未来的隐...

【专利技术属性】
技术研发人员：粟柱，朱起贤，刘三女牙，刘智，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：