一种基于大语言模型进行多级记忆增强的课程推荐方法

本发明涉及一种基于大语言模型进行多级记忆增强的课程推荐方法，属于智能教育和推荐系统领域。该方法包括：获取用户与课程的交互数据，基于认知心理学原理将交互数据划分为感觉、工作和长期等多级记忆；构建三类提示词模板，驱动大语言模型分别对用户交互数据、课程属性信息和多级记忆对比进行语义知识增强；将增强的语义知识通过预训练模型编码为向量，再通过分层注意力专家网络进行增强处理，所输出的增强向量将用于提高下游推荐模型的性能。解决了推荐系统语义理解不足、认知记忆建模不准确、个性化推荐能力有限的问题，准确理解用户的即时需求、当前学习状态和长期职业规划，显著提升课程推荐精度，适用于在线教育、职业培训和终身学习场景。