摘要

本发明公开了一种基于多粒度流行度特征的轻量级图卷积协同过滤推荐方法其步骤包括:1、简化了图卷积神经网络,在图卷积神经网络和协同过滤的融合框架中移除了图卷积神经网络中的非线性激活函数和权重转换矩阵;2、建模多粒度节点流行度特征,将流行度特征融入到协同过滤信号中,形成一个统一的框架模型;3、经过模型的输入、模型的嵌入生成、模型的预测偏好评分,最后使用BPR loss损失函数作为目标函数,利用Adam优化器进行模型训练以更新模型的参数。本发明通过使用轻量级的图卷积神经网络,融入多粒度流行度特征的协同过滤框架,可以更加准确的学习用户与物品的交互关系,从而实现更好的推荐效果。