边缘环境多模态推荐模型增量更新方法及其系统

本发明涉及推荐系统技术领域，特别是涉及边缘环境多模态推荐模型增量更新方法及其系统，方法包括：在边缘端基于用户行为日志和用户画像，通过特征解耦蒸馏技术将用户序列信息压缩为低维兴趣嵌入；在云端获取全体用户的潜在兴趣嵌入，通过张量补全技术更新用户潜在兴趣矩阵，基于张量分解和多粒度联合优化生成增量模型文件；在边缘端载入增量模型文件，对在线实时推荐进行增量更新；解决了边缘环境下推荐模型更新面临的带宽消耗大、更新效率低、计算资源有限等问题，实现了高效增量更新，显著提升了推荐系统性能和用户体验。