一种基于动态超图卷积与社交影响力解耦的推荐方法

本发明涉及数据处理技术领域，具体公开了一种基于动态超图卷积与社交影响力解耦的推荐方法。该方法首先构建动态超图，以精细化建模用户与物品间的高阶交互关系；通过超图卷积中的双注意力层聚合节点信息，并时序更新嵌入表示。进而，分别计算用户和物品的潜在因子偏移量，以捕捉评分偏差下的真实偏好。针对社交关系，本发明通过量化用户间评分一致性，动态计算社交影响权重，解耦同质化的社交影响力，得到用户社交解耦后的真实评分偏好。最终，结合用户与物品的平均评分，预测目标评分并生成推荐列表。本发明有效克服了现有技术中因评分偏差和社交关系同质化假设导致的推荐精度不足问题，显著提升了推荐准确性、个性化程度及鲁棒性。