一种基于混合专家模型的多类型上下文感知对话推荐方法

本发明公开了一种基于混合专家模型的多类型上下文感知对话推荐方法，包含多个专家模块协调系统的混合专家框架来实现本发明目的。知识图谱专家模型负责提取和编码结构化的实体关系信息，对话专家模型对对话中的关键内容和用户意图进行深度挖掘，而评论专家则分析商品评论中的用户情感和偏好信息。通过这种方式，系统能够充分利用结构化数据和非结构化数据的语义信息，解决了现有技术中数据异质性带来的语义鸿沟问题。在此基础上，本发明引入协调系统作为协调和整合的核心模块。协调系统能够根据不同上下文信息的权重和贡献动态分配专家模块的输出，生成最终的推荐结果，从而实现对多类型上下文信息的高效融合，解决了不同类型数据之间语义对齐和不一致性的问题，从而提升对话推荐方法的性能。