一种基于兴趣引导的跨领域知识迁移序列推荐方法

本发明公开了一种基于兴趣引导的跨领域知识迁移序列推荐方法，该方法包括步骤：1）对用户交互序列进行屏蔽与补齐，形成特定域与跨域共享两类序列，并对序列项目进行嵌入初始化；2）设计基于大语言模型的逐层动态集成的机制，逐层强化用户在特定域中的偏好特征，并有效抑制干扰信息；3）构建跨域共享兴趣提取模块，从跨域共享序列中提取细粒度的用户兴趣表示；4）利用异构注意力机制，将跨域共享的用户兴趣与特定域的行为信息进行融合；6）进行端到端训练优化，减少模型训练阶段的计算负担。该方法有效解决了跨域推荐中未明确区分跨域共享与特定域的用户偏好、以及用户兴趣挖掘不充分等问题，实现了显著提高推荐精度与个性化效果。