一种针对大语言模型推荐系统场景的双边公平方法

本发明公开了一种针对大语言模型推荐系统场景的双边公平方法，涉及机器学习技术领域，包括：收集用户行为数据与项目数据；对用户行为数据与项目数据进行数据处理，分别生成用户的初步嵌入、项目的初步嵌入以及相似用户嵌入；利用大语言模型生成用户的增强嵌入和项目的增强嵌入；将初步嵌入、与增强嵌入进行融合，获得融合用户嵌入、融合项目嵌入；对融合用户嵌入和融合项目嵌入进行点积运算，获得推荐得分，引入交互次数惩罚因子对推荐得分进行处理，获得加权后的推荐得分；通过双边公平性优化策略对加权后的推荐得分进行处理，生成最终的推荐列表。本方法能够精准识别并调节不公平现象。