一种基于动态响应图注意力网络和大语言模型的零样本推荐方法

本发明公开了一种基于动态响应图注意力网络和大语言模型的零样本推荐方法，核心是利用图注意力嵌入生成、动态候选集构建和多步骤提示策略来提高推荐性能和用户个性化体验。该方法首先进行基于图注意力网络的嵌入生成，通过构建用户与物品的交互图，捕获高阶关系，并利用注意力机制动态加权邻域节点的贡献，生成上下文相关的用户与物品嵌入；之后进行动态候选集构建，通过计算用户相似性和物品流行度，动态调整候选集，确保推荐结果的相关性和多样性；接着引入多步骤提示策略，利用逐步引导的提示优化大型语言模型的输出，通过分析用户偏好、筛选代表性物品并生成最终推荐结果的方式，显著提高推荐的准确性和多样性。本发明提出的推荐方法，解决了现有零样本推荐系统中存在的问题，在用户冷启动场景下表现出色，显著提高了推荐的个性化水平，同时为系统性能和用户体验提供了有力保障。