一种基于图卷积网络和跨视图对比学习的社交推荐方法

本发明公开一种基于图卷积网络和跨视图对比学习的社交推荐方法，其包括以下步骤：获取用户与物品之间的交互数据、用户与用户之间的社交数据；对数据进行图卷积、平均化操作，获得不同评级关系中的用户和物品的嵌入向量；利用多头注意力机制融合多关系信息，获得在交互数据中融合多级评分之后的用户嵌入向量和物品嵌入向量、以及在社交关系数据中融合多级关系之后的用户嵌入向量；利用门控制机制融合用户偏好处理；利用跨视图对比学习处理；对模型进行BPR损失函数值计算；对轻量级图卷积网络的参数使用联合训练策略优化模型训练。本发明能够充分利用复杂的社交关系信息，深度挖掘用户的偏好，提高模型的推荐性能和整体的鲁棒性。