摘要
本发明提出了一种基于多异构图图神经网络的物品推荐方法,实现步骤为:获取用户信息、物品信息以及用户-物品交互信息;构建属性异构图;构建用户-物品交互异构图;构建全相邻异构图;构建基于多异构图图神经网络的物品推荐模型;对基于多异构图图神经网络的物品推荐模型进行迭代训练;获取向用户推荐的物品。本发明首先通过在多个异构图上构造一个属性辅助层、一个全相邻辅助层和多个图卷积神经网络层以更高效地获得用户嵌入向量和物品嵌入向量,从而更好地挖掘信息;其次通过保留部分层的节点自连接,充分利用了有限的数据,有效提高了物品推荐的准确性。
- 单位