一种基于大模型的个性化推荐方法及系统

本申请提供一种基于大模型的个性化推荐方法及系统。其中，本申请通过多通道采集服务器将内容数据流拆解为不同模态的独立特征包。利用大模型分析各特征包间的跨模态语义关系，建立跨模态相似度对应表。结合历史行为中的跨模态转换记录，通过偏差分析生成动态补偿系数。构建内容与用户的二分图结构，将补偿系数转化为连接强度调整因子，整合相邻节点权重生成表达向量。最后提取该向量的用户目的、内容关联及时效特征值，结合偏好变化轨迹构建动态权重模型，整合多特征生成决策向量，实现跨模态匹配排序并输出个性化推荐结果。本申请通过动态补偿跨模态数据偏差并融合用户轨迹，实现多模态内容与用户需求的高精度匹配推荐。