摘要
本发明公开了基于对比学习增强与模型微调的大模型推荐方法和系统，涉及个性化推荐技术领域，包括：获取用户的历史交互行为，构建用户和物品的文本模态表征及结构化模态表征；通过跨模态对比学习进行表征增强，通过自适应多模态融合生成用户及物品的偏好表征信息；根据用户实时行为和用户及物品的偏好表征信息，生成动态提示，将用户及物品的偏好表征信息与动态提示通过交叉注意力融合，输入至预设大语言模型进行模型微调；在用户发起请求时，调用微调后的大语言模型生成推荐结果，结合对比学习表征和大语言模型的推理能力，提供可解释的推荐理由。本发明融合对比学习与模型微调的技术路径，提高物品推荐的性能及个性化。
