基于大模型的船舶用户行为自学习推荐系统

本发明涉及一种基于大模型的船舶用户行为自学习推荐系统，涉及船舶信息化技术领域。该系统通过多源异构船舶用户行为数据的采集与融合，利用大规模预训练语言模型(大模型)对海量船舶领域文本信息和用户行为序列进行深度理解和语义挖掘，构建船舶领域知识图谱或语义向量空间。所述大模型能够识别和预测船舶用户的潜在需求、行为模式和偏好变化，结合实时运行数据和外部环境因素，生成高度个性化、精准且具有前瞻性的船舶服务、产品、航线或信息推荐。此外，本系统引入用户反馈自学习机制，通过强化学习或持续学习等方式，根据用户的交互行为和显式评价不断优化推荐策略和模型参数，实现系统的智能迭代和推荐效果的持续提升。本发明有效解决了传统推荐系统在船舶领域数据复杂性、语义鸿沟和动态需求适应性方面的挑战，显著提升了船舶运营效率和用户满意度。