一种基于大语言模型的高效序列推荐方法

本发明提供了一种基于大语言模型的高效序列推荐方法，方法首先获取指令token嵌入，然后根据用户交互历史转换为物品ID序列，并将物品ID序列映射为物品嵌入，通过投影变换得到用户交互历史特征，接着将指令token嵌入和用户交互历史特征进行拼接，得到完整的token嵌入序列，并通过LLM输出用户协同嵌入，最后将用户协同嵌入和候选物品的协同嵌入输入得分预测网络，按得分高低进行排序得到推荐列表。本发明方案采用一对一物品ID映射到LLM token嵌入特征的方式，大大减小了输入LLM的序列长度，且LLM推理的终点是用户嵌入，只需一次前向推理过程，避免了自回归式生成，使得推理效率得到显著提升。