基于分层协同注意力和大语言模型的推荐方法及系统

本发明提供了基于分层协同注意力和大语言模型的推荐方法及系统，涉及人工智能推荐系统技术领域，包括：获取目标用户的历史交互日志；将历史交互数据输入到训练后的商品推荐模型中，首先构建多时段的用户商品行为图，然后对每个时段的用户商品行为图进行行为级分层协同注意力，生成每个时段的行为级聚合特征，得到行为级聚合特征序列，其次对行为级聚合特征序列进行时序级分层协同注意力，生成时序级聚合特征，最后通过大语言模型进行候选商品的评分，得到针对目标用户的最终商品推荐列表；本发明旨在解决现有推荐系统中交互行为建模粗糙、时序特征利用不足以及大语言模型适配性差等关键问题，从而实现更精准、可解释的个性化推荐。