【技术实现步骤摘要】
本专利技术涉及推荐系统，尤其涉及基于大语言模型和逻辑关系挖掘的个性化推荐方法及装置。
技术介绍
1、随着大数据技术和人工智能的发展，个性化推荐系统已广泛应用于电子商务、社交平台等领域。个性化推荐系统旨在根据用户的兴趣和需求提供相关的推荐内容。在许多应用场景中，用户的偏好可能涉及多个复杂的逻辑需求，例如希望推荐内容符合多个特定的属性要求。这类需求可以用异构图上的结构化查询来表示，其中包含用户、物品以及外部知识等不同类型的实体及其关联关系。
2、异构图提供了丰富的用户交互信息和语义关系，为推荐系统提供了良好的推理基础。然而，现有的基于逻辑关系的推荐系统面临以下两个问题：首先，逻辑关系不完整，在真实推荐数据中，用户和物品之间的交互数据往往是不完整的，导致推荐系统难以获取完整的逻辑关系，这种不完整的逻辑关系会降低推荐的准确性和可信度。其次，关系语义缺失，现有方法往往忽略了逻辑关系中的语义信息，而仅基于结构信息进行推理，无法有效地捕捉高阶逻辑关系，导致推荐结果缺乏深层次的语义理解能力。
技术实现思路
1、本本文档来自技高网...
【技术保护点】
1.一种基于大语言模型和逻辑关系挖掘的个性化推荐方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的一种基于大语言模型和逻辑关系挖掘的个性化推荐方法，其特征在于，所述闭合环路检测提取用户-物品交互二分图的关系对具体包括：构建用户-物品交互二分图；u∈U为用户节点集，i∈I为物品节点集，E为交互边集；通过闭合环路检测提取高阶关系对(i1,i2)
3.根据权利要求1所述的一种基于大语言模型和逻辑关系挖掘的个性化推荐方法，其特征在于，所述构建逻辑关系集包括：
4.根据权利要求1所述的一种基于大语言模型和逻辑关系挖掘的个性化推荐...
【技术特征摘要】
1.一种基于大语言模型和逻辑关系挖掘的个性化推荐方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的一种基于大语言模型和逻辑关系挖掘的个性化推荐方法，其特征在于，所述闭合环路检测提取用户-物品交互二分图的关系对具体包括：构建用户-物品交互二分图；u∈u为用户节点集，i∈i为物品节点集，e为交互边集；通过闭合环路检测提取高阶关系对(i1,i2)
3.根据权利要求1所述的一种基于大语言模型和逻辑关系挖掘的个性化推荐方法，其特征在于，所述构建逻辑关系集包括：
4.根据权利要求1所述的一种基于大语言模型和逻辑关系挖掘的个性化推荐方法，其特征在于，所述根据用户-物品交互二分图中的闭环路径生成初始规则集包括：利用广度优先搜索技术识别图中的闭环路径p，其中，路径被定义为关系序列{p：r1，r2，...，rn→r}，它形成一个高阶连接，强调不同关系在逻辑上是如何关联的，其中关系r∈r；即，一条路径{p1：series(r1)，genre(r2)→genre(r2)}，其中r2代表要推断的目标规则，r1和r2代表支持关系，所有闭环路径p推断出的目标规则形成初始规则集s。
5.根据权利要求1所述的一种基于大语言模型和逻辑关系挖掘的个性化推荐方法，其特征在于，所述根据逻辑关系构建自然语...
【专利技术属性】
技术研发人员：马国芳，檀彦超，邓皓天，孙凯，
申请(专利权)人：浙江工商大学，
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。