一种基于大语言模型数据增强的个性化课程资源推荐方法

本发明公开了一种基于大语言模型数据增强的个性化课程资源推荐方法，包括如下步骤：数据预处理后的课程资源与学习者画像生成：利用大语言模型对学习者的交互行为及课程资源的文本信息进行深度分析，生成课程资源画像和学习者画像；协同过滤视角下原始ID嵌入模型构建：采用经典且高效的推荐模型，对学习者的和课程资源的原始ID进行嵌入训练，从协同过滤的角度构建基础表示；个性化课程推荐：结合对比学习策略，将通过大语言模型生成的高维表示与原始ID嵌入对齐，进而缓解数据噪声对模型训练的影响，并提升推荐系统的鲁棒性和泛化能力。本发明利用大语言模型与推荐方法结合的方式，有效缓解传统推荐方法在ID数据信息缺失、噪声干扰等挑战。