一种基于元学习的用户冷启动推荐方法

本发明属于推荐系统技术领域，且公开了一种基于元学习的用户冷启动推荐方法，所述推荐技术的详细步骤包括：步骤一，用户行为日志收集：收集用户在各个平台的行为数据，包括偏好、资源浏览、点击、搜索、分享的行为；步骤二，用户特征预处理：基于特征分布、显著性指标，选择关键用户特征；步骤三，双塔多目标召回模型构建：基于用户和物品的特征，构建双塔多目标召回模型。通过深入学习老用户的消费兴趣分布和物品的相关性，可以构建更加细致、准确的新用户画像，从而更精确地匹配用户的兴趣和偏好；基于新用户画像的准确构建，推荐系统能够制定个性化的推荐策略，避免一刀切的推荐方式，提供更加符合用户需求的推荐内容。