一种基于大语言模型的序列推荐数据增强方法

本发明专利的创新点在于融合大语言模型（LLM）的语义理解能力，并融合了一种基于时间感知的稀疏注意力机制，以协同解决数据稀疏性和计算效率问题。首先，引入大语言模型（LLM）进行数据增强。在物品层面，生成多角度的属性描述；在用户层面，基于用户的历史行为通过大语言模型(LLM)构建用户画像。这些增强信息能够有效地补充原始的ID嵌入表示，丰富物品和用户的语义信息。其次，通过一种时间感知的稀疏注意力机制，优先选择近期的交互作为注意力查询点，能够显著降低计算复杂度，减少了冗余计算。