一种基于大型语言模型视图增强的对比学习序列推荐方法

本发明提供了一种基于大型语言模型视图增强的对比学习序列推荐方法，包括：步骤1，建立动态重要性评分机制，利用大型语言模型，根据用户和物品历史交互序列的隐层状态，计算重要性并生成动态调整因子；步骤2，生成包含负样本对的增强视图；步骤3，构造多模态双视图增强下的序列和项目双粒度对比学习方法；步骤4，将原始的用户和物品历史交互序列输入线性递归单元；步骤5，动态融合对比学习方法和常规序列推荐方法，通过加权组合损失函数进行优化，并通过反向传播联合训练模型。本发明方法在资源利用率上有所提升，同时确保模型在冷启动物品推荐和长尾分布场景下的鲁棒性，为动态推荐系统提供高效稳定的解决方案。