一种大型语言模型增强的用户隐私保护跨域服务推荐方法

本发明公开了一种大型语言模型增强的用户隐私保护跨域服务推荐方法，首先筛选数据集中的数据，设计文本提示运用大型语言模型增强服务描述文本和用户属性信息；运用BERT语言模型对服务描述文本进行编码，生成嵌入；并使用PQ方法将文本嵌入映射成离散代码，并维护一个代码字典；读取用户历史服务交互数据，按时间戳顺序生成用户行为序列文件；将用户行为序列中的服务描述信息转换为离散代码表示，输入序列编码器进行本地模型训练，保存性能最优的模型；将本地模型的参数梯度剪裁并量化后上传至服务器；采用软提示和硬提示对模型进行微调。该方法减小跨域推荐中的语义差异，并且通过软提示和硬提示微调模型，增强推荐的个性化和准确性。