一种基于协同过滤和LLM视角下的物品序列推荐方法及系统

本发明涉及一种基于协同过滤和LLM视角下的物品序列推荐方法及系统,包括：获取用户历史数据集和物品数据集并进行预处理，得到物品标题相似度矩阵、用户行为序列和历史协同过滤交互信息；通过大语言模型增强历史协同过滤交互信息；构建序列推荐模型，将用户行为序列输入序列推荐模型中进行训练，同时将物品标题相似度矩阵和增强的历史协同过滤交互信息通过对比学习对用户行为序列进行纠偏，得到训练好的序列推荐模型；将用户的用户行为序列输入到训练好的序列推荐模型中进行预测，计算预测得分并按照得分排序生成推荐列表，完成物品序列推荐。本发明通过解决冷启动问题极大地提高了序列推荐系统性能。