一种面向零样本的跨领域推荐方法和系统

本发明公开了一种面向零样本的跨领域推荐方法和系统，属于推荐系统领域。利用多领域物品数据集预训练一个残差量化变分自编码器，用于将物品编码为多层级概念标识ID；预训练时，需对物品进行格式化文本描述，基于课程学习的方法优化并引入熵惩罚损失；利用跨领域推荐数据集训练一个自回归大语言模型，使其根据用户历史交互物品的多层级概念标识ID预测下一待交互物品的多层级概念标识ID；采用训练后的模型对待推荐物品列表排序。本发明将物品编码为多层级概念标识ID，统一物品标记，采用课程学习以降低初始训练复杂度并缓解码本塌缩问题，动态监控码本使用频率，增强知识迁移效率，本发明可以应用于不同领域的物品推荐任务。