一种基于用户对齐Agent驱动的轻量化跨域推荐方法及系统

本发明公开了一种基于用户对齐Agent驱动的轻量化跨域推荐方法及系统。该方法首先获取用户在多个领域的历史行为数据，融合文本、图像等多模态内容，通过跨域语义编码器生成细粒度兴趣原型，并构建个性化Agent模拟用户意图。接着，在多领域协同环境中，利用强化学习与混合奖励机制优化Agent行为策略，通过层级化策略网络建模通用偏好与领域特定偏好，并以门控机制实现知识融合。随后，结合偏好蒸馏技术，从Agent行为中提取可迁移表征，构建轻量化跨域知识图谱。最终，采用行为轨迹压缩与跨域偏好映射，实现高效低耗的个性化推荐。该方法有效缓解跨域数据稀疏与模型复杂性问题，提升推荐准确性与系统响应效率，适用于多场景的实时推荐服务。