摘要
本发明公开了种基于大型语言模型的序列化推荐方法，包括以下步骤：A1、输入：在大型语言模型（LLM）输入用户集合和物品集合。对于每个用户，其历史交互序列，其中每个是已交互过的物品。物品的上下文信息。A2、数据处理：a）、基于候选物品在大型语言模型输出的logit表示进行语义聚类；b）、基于语义聚类结果估计语义不确定性；c）、根据语义不确定性调整物品评分和/或采样策略的解码步骤，选出最顶尖的物品作为最终的推荐结果；A3、输出推荐物品列表。本发明解决现有大型语言模型在序列化推荐中解码策略与推荐目标不匹配的问题；其核心思想是结合基于logit的聚类和自适应评分来改进下一个物品的预测。
