基于LLM低成本交互的图增强方法

本发明公开了基于LLM低成本交互的图增强方法，属于推荐系统和深度学习技术领域，方法包括以下步骤：S1：获取用户和物品的基本数据，构建用户‑物品交互矩阵、用户‑物品评分矩阵和多标签物品类型矩阵；S2：计算用户的类型偏好向量；S3：计算余弦相似度和物品的综合评分；S4：构建有向加权超图，计算节点的重要性得分，并用LLM模型生成预测连接；S5‑S6：计算推荐系统的原始损失和新损失，更新用户‑物品二部图。本发明克服了现有技术在使用LLM增强推荐系统的用户物品交互图时计算交互成本高、扩展性差和引入系统噪声大等问题，以低成本的LLM交互有效提高用户物品交互二部图的完整性和丰富性，确保了系统的可扩展性和实时性，同时提升了推荐的精准度。