基于大语言模型的隐空间解码生成式推荐方法及系统

本发明公开了基于大语言模型的隐空间解码生成式推荐方法及系统，所述方法包括：（1）、构建记忆模块，通过用户‑商品交互数据集生成训练样本的隐状态与真实商品的匹配对并存储，所述隐状态由大语言模型提取输入指令的最后一层最后一个隐状态得到；（2）、候选商品表示生成，从所述记忆模块中聚合与同一商品关联的隐状态，生成候选商品的隐空间表示；（3）、商品解码，计算测试样本的隐状态与候选商品表示的相似度，基于相似度排序生成推荐列表。本发明直接从大语言模型的隐空间进行解码，即只需要大语言模型前向传播一次获得用户输入的隐状态，避免了自回归方式的解码。显著降低大语言模型的解码商品的开销，且能保持优秀的推荐性能。