一种融合大语言模型世界知识的推荐系统纠偏方法

本发明公开了一种融合大语言模型世界知识的推荐系统纠偏方法，包括：获取推荐系统的开源数据集，生成训练集；通过训练集结合上下文学习技术引导大语言模型生成物品的描述信息和用户的偏好推理；通过预训练的文本编码器对物品的描述信息和用户的偏好推理进行编码，生成第一编码向量，对用户和物品的ID进行编码，生成第二编码向量；将第一编码向量和第二编码向量输入多模态专家网络模块，得到用户和物品的最终表示；将用户和物品的最终表示输入预测层得到预测值，进而通过交叉熵损失函数对多模态专家网络模块进行优化；通过优化后的多模态专家网络模块进行推荐系统纠偏。消除用户行为数据中的固有偏差，捕捉用户的真实偏好，完成推荐系统纠偏。