一种基于对抗学习的推荐结果多样性注入方法及系统

本发明涉及推荐系统技术领域，公开一种基于对抗学习的推荐结果多样性注入方法及系统。该方法获取初始推荐结果集合和用户场景描述文本，形成候选对象属性向量和场景语义向量；根据用户累计交互轮次确定多样性权重；根据推荐列表的平均语义差异和平均属性空间距离确定精准度损失和多样性奖励；在精准度损失不超过预设阈值的约束下，利用经交替对抗训练得到的多样性生成器模型最小化总目标函数，生成推荐列表。本发明可解决固定多样性权重难以适应用户交互阶段、提高多样性时易偏离场景需求的问题，实现精准度约束下推荐多样性的自适应调节。