基于跨模态语义提取的大模型推荐方法

本发明涉及一种基于跨模态语义提取的大模型推荐方法，属于人工智能领域。该方法包括：根据原始数据特征设计跨模态特征表示，分别为ID特征和文本特征；将推荐问题建模为二分类问题，构建基于ID特征的点击率预测基本模型；利用预训练好的大模型处理文本特征并进行二分类预测；进行模态特征对齐预训练来参数化大模型与点击率模型，即根据掩码ID特征和掩码文本特征重建跨模态特征实现细粒度特征对齐，根据实例级对比学习方法粗粒度对齐不同模态的特征表示；将对齐后的大模型和点击率模型应用于下游任务，微调后完成最终的推荐预测。本发明能够适用于大规模的各种推荐场景，降低模型训练参数和时间，实现较高的预测性能，提高用户体验质量。