一种基于低秩专家融合的大模型物品推荐方法

本发明公开了一种基于低秩专家融合的大模型物品推荐方法，包括：1，利用公开推荐数据集构建源域和目标域的文本数据集；2，构建大模型，源域低秩专家模型和目标域低秩专家模型，并在源域和目标域文本数据集上微调，分别得到相应的专家模型参数；3，通过香农熵损失指导融合权重的学习，并进行专家模型参数融合；4，在模型推理阶段，利用融合后的低秩专家和大模型进行用户下一个要交互物品的预测。本发明能够使大模型提升对推荐知识的理解能力，并使大模型能够快速适应新领域的推荐知识，为用户带来准确的推荐。