一种基于数据生成重放的流式商品推荐方法

本发明公开一种基于数据生成重放的流式商品推荐方法，包括训练数据生成步骤，推荐算法模型训练步骤和商品推荐步骤；首先收集用户的反馈数据，训练一个扩散模型来拟合用户数据的分布，然后使用这个扩散模型重新构造一个伪造的用户反馈数据，在调度到计算资源后，基于这个构造的数据集更新推荐算法，最后根据推荐算法的输出结果来进行商品推荐。本发明可以在流式商品数据量较少、样本不均衡的条件下有效训练推荐算法，无需保存用户对商品的历史反馈数据，有效保护用户隐私，此外，本发明在更新模型时动态调度计算资源，确保计算资源的有效利用。