一种跨域推荐及模型训练的方法及装置

本发明涉及推荐系统技术领域，且公开了一种跨域推荐及模型训练的方法及装置，方法包括：通过源域用户行为日志采集模块获取并编码源域行为数据，生成用户兴趣表示；采集目标域交互数据并构建用户映射关系，实现源域与目标域之间的偏好对齐；构建联合训练集，以源域兴趣向量为辅助输入，训练跨域推荐模型并生成模型参数；最后基于目标域用户的兴趣状态生成个性化推荐结果，并根据用户反馈动态调整推荐策略。装置包括源域表示构建模块、目标域对齐模块、迁移训练模块和推荐反馈模块，能够实现多源数据之间的兴趣迁移与跨域推荐性能优化。