多兴趣跨域推荐方法、模型训练方法、系统、装置及介质

本申请提供一种多兴趣跨域推荐方法、模型训练方法、系统、装置及介质，涉及深度学习技术领域。首先获取目标域和源域数据，分别预处理得到目标域用户、物品嵌入，以及用户行为、源域兴趣嵌入。基于扩散模型，根据目标域用户、源域兴趣和用户行为嵌入生成真实与预测噪声，以此调整模型参数，完成扩散模型训练，再利用训练后的扩散模型，结合源域兴趣和用户行为嵌入，得到预测兴趣嵌入。通过融合网络得出预测评分，再依据预测评分和第一评分调整参数，完成融合网络训练，最后组合二者，得到多兴趣跨域推荐模型。该模型解决了跨域的分布差异，使多兴趣迁移过程更适应目标域信息，能够更好地捕捉用户的潜在意图，提高了向冷启动用户推荐的准确性。