技術(shù)特征：

1.一種基于大語言模型增強(qiáng)的物品方面級偏好解耦推薦方法，其特征在于，是按如下步驟進(jìn)行：

2.根據(jù)權(quán)利要求1所述的基于大語言模型增強(qiáng)的物品方面級偏好解耦推薦方法，其特征在于，所述步驟2是按如下步驟進(jìn)行：

3.根據(jù)權(quán)利要求2所述的基于大語言模型增強(qiáng)的物品方面級偏好解耦推薦方法，其特征在于，所述步驟3是按如下步驟進(jìn)行：

4.一種電子設(shè)備，包括存儲器以及處理器，其特征在于，所述存儲器用于存儲支持處理器執(zhí)行權(quán)利要求1-3中任一所述物品方面級偏好解耦推薦方法的程序，所述處理器被配置為用于執(zhí)行所述存儲器中存儲的程序。

5.一種計算機(jī)可讀存儲介質(zhì)，計算機(jī)可讀存儲介質(zhì)上存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器運行時執(zhí)行權(quán)利要求1-3中任一所述物品方面級偏好解耦推薦方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開了一種基于大語言模型增強(qiáng)的物品方面級偏好解耦推薦方法，包括：1、基于用戶的評分和評論數(shù)據(jù)構(gòu)建用戶?物品交互矩陣；2、利用大語言模型，結(jié)合Prompt，從評論中提取用戶對物品的方面偏好及用戶意圖；3、構(gòu)建偏好預(yù)測模型，解耦用戶?物品交互矩陣為子意圖交互矩陣，利用GCN對子意圖交互矩陣進(jìn)行卷積操作，得到各意圖下的用戶和物品嵌入；4、利用注意力機(jī)制，得到加權(quán)融合所有意圖的用戶和物品嵌入；5、計算預(yù)測得分；6、構(gòu)建并優(yōu)化損失函數(shù)；7、對預(yù)測得分降序排序，取前X個物品作為推薦列表。本發(fā)明利用大語言模型從用戶評論中推斷出用戶意圖，并結(jié)合GCN和注意力機(jī)制得到加權(quán)融合所有意圖的用戶和物品嵌入，從而能提高推薦精度。

技術(shù)研發(fā)人員：孫見青,袁昆
受保護(hù)的技術(shù)使用者：合肥工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2