一种基于大语言模型的化肥推荐解释生成方法技术

一种基于大语言模型的化肥推荐解释生成方法，包括步骤：获取用户对化肥商品的历史交互数据及评论文本，提取用户的显式偏好与隐式偏好；利用预训练语言模型编码商品文本信息与用户行为序列，构建商品嵌入与用户兴趣表示；将上述表示输入专家混合模型进行多模态特征对齐，生成协同语义嵌入；将该嵌入信息注入至大语言模型各层注意力机制中；采用多阶段生成策略依次生成摘要描述、需求对齐、细节补充与可行行动建议，输出结构化推荐解释文本；训练语言模型在训练过程中结合字符级负对数似然损失函数与低秩自适应微调方法进行优化。本发明专利技术提升了推荐解释的个性化、可读性与科学性，具备良好的部署效率与实际应用价值，适用于智慧农业推荐系统。

【技术实现步骤摘要】

本专利技术涉及人工智能，具体涉及一种基于大语言模型的化肥推荐解释生成方法。

技术介绍

1、随着智慧农业和农资电商的快速发展，平台对化肥产品的推荐需求正从简单的商品推送升级为能够解释推荐原因并给出施肥指导的个性化服务。然而，现有推荐系统在解释能力上仍存在显著不足。首先，主流协同过滤和深度学习模型(如矩阵分解、ncf、lightgcn、gru4rec、bert4rec)虽然能够在评分预测或时序建模上取得良好效果，但缺乏将化肥属性与作物生理需求对应的显式推理链，attention权重也难以直观映射到“成分-作物-时机”关系，导致解释内容多停留在“您曾浏览过类似商品”之类的通用话术，难以为农户提供可操作的决策依据。

2、其次，面向一般电商领域的可解释推荐框架(典型代表如pepler、peter)倾向于仅依据商品元信息与交互信号生成解释，其文本常见表述为“根据您的喜好”或“该产品评价良好”，未能引入氮-磷-钾配比、土壤酸碱度等关键农学知识，欠缺科学性与针对性。

3、再者，近年来兴起的prompt-lm及相关大语言模型生成方法侧重语言理解与生成本文档来自技高网...

【技术保护点】

1.一种基于大语言模型的化肥推荐解释生成方法，其特征在于，包括步骤：

2.根据权利要求1所述的一种基于大语言模型的化肥推荐解释生成方法，其特征在于：步骤1所述的显式偏好包括用户评论中提及的作物类型和施肥关键词，所述隐式偏好为基于用户点击、浏览、购买等行为所推断的兴趣特征；所述步骤1的具体操作方式包括以下子步骤：

3.根据权利要求1所述的一种基于大语言模型的化肥推荐解释生成方法，其特征在于：所述步骤2是利用预训练的BERT语言模型将每个物品的ID和属性编码成嵌入表示，属性包括每个物品的标题、类别的文本信息；步骤2的具体操作步骤包括：

4.根据权利要求1所...

【技术特征摘要】

1.一种基于大语言模型的化肥推荐解释生成方法，其特征在于，包括步骤：

2.根据权利要求1所述的一种基于大语言模型的化肥推荐解释生成方法，其特征在于：步骤1所述的显式偏好包括用户评论中提及的作物类型和施肥关键词，所述隐式偏好为基于用户点击、浏览、购买等行为所推断的兴趣特征；所述步骤1的具体操作方式包括以下子步骤：

3.根据权利要求1所述的一种基于大语言模型的化肥推荐解释生成方法，其特征在于：所述步骤2是利用预训练的bert语言模型将每个物品的id和属性编码成嵌入表示，属性包括每个物品的标题、类别的文本信息；步骤2的具体操作步骤包括：

4.根据权利要求1所述的一种基于大语言模型的化肥推荐解释生成方法，其特征在于：所述步骤3的具体操作包括步骤：

5.根据权利要求1所述的一种基于大语言模型的化肥推荐解释生成方法，其特征在于：步骤4所述的专家混合模型包含多个用于处理不同模态特征的专家模块，采用动态路由机制根据输入特征分配对应的专家权重；所述协同语义嵌入表示形成的协同信息为用户-物品交互行为，协同信息与文本语义空间存在天然差异，...

【专利技术属性】
技术研发人员：周泓，宗美晨，任加欢，姚斌，秦燚阳，赵佳妮，顾迎雄，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：