La recomendación basada en sesiones (SBR) tiene como objetivo predecir posibles interacciones de usuario dentro de una sesión anónima. Utiliza los intereses aprendidos del usuario para recomendar artículos. A medida que la investigación ha avanzado, los investigadores han comenzado a explorar la intención inicial del usuario, lo cual puede proporcionar orientación práctica para la selección de artículos. Sin embargo, una limitación significativa de las metodologías actuales es que a menudo asumen el primer artículo en una sesión como la intención inicial, ignorando la posibilidad de un clic inicial aleatorio. Además, estos métodos suelen fusionar la intención inicial con la representación de la sesión sin considerar los cambios dinámicos en los intereses del usuario. Para abordar estos desafíos, proponemos un enfoque innovador llamado Aprovechamiento Eficiente de la Intención Inicial del Usuario a Múltiples Niveles (EMUI) para recomendación basada en sesiones. Este enfoque incluye un módulo de generación de intención inicial a múltiples niveles (MIGM) y un módulo de coincidencia de intereses (IMM). Específicamente, el MIGM está diseñado para extraer una representación más completa de la intención inicial del usuario desde varios niveles, mitigando eficazmente el problema de los clics iniciales aleatorios. Además, proponemos el IMM para garantizar la alineación entre los intereses dinámicos y la intención inicial del usuario. El IMM identifica componentes dentro de la intención inicial del usuario a múltiples niveles que se correlacionan con los intereses dinámicos, mejorando así la representación de la sesión y, en última instancia, mejorando el rendimiento de la recomendación. Además, para optimizar la intención inicial del usuario en cada nivel, introducimos una tarea de aprendizaje contrastivo para maximizar el uso de la intención inicial del usuario en cada nivel. Un considerable número de experimentos en tres conjuntos de datos del mundo real han demostrado que nuestro EMUI ha mejorado significativamente la precisión de la recomendación sobre los métodos de vanguardia.