摘要
本发明涉及面向推荐公平性的生成式序列推荐模型及构建方法，其方法包括：向用户交互行为中注入随机噪声，得到服从高斯分布的损坏交互表示，之后在反向还原过程中设计序列去噪模型，并利用动态路由机制挖掘用户历史交互行为中的多兴趣表征，结合用户侧建模进行双阶段训练完成去噪；仿造前向加噪过程将项目表示噪声化进而用以迭代式地反向重建生成项目。本发明相比于传统序列推荐模型，一方面基于扩散模型构建生成式推荐范式，通过学习数据的统计规律并以此生成新的数据，来建模不确定性和缓解噪声；另一方面避免可能导致歧视或不平等待遇的用户敏感特征等因素对推荐效果的影响，通过提升推荐公平性进一步促进生成式序列推荐模型的多样性。
