1.一种基于用户会话及图卷积神经网络的商品推荐方法，其特征在于，包括：接收在同一时间单位内被点击商品序列，作为一个会话并以有向图的形式建模，构建出会话图；其中，会话图采用嵌入向量的形式表示；

将嵌入向量形式的多个会话图输入至门控图神经网络，输出所述会话图中包含的所有商品的后验概率；

按照从大到小的顺序，筛选出后验概率排在前预设位数对应的商品，作为用户偏好商品预测结果并进行逐个推荐；

输出所述会话图中包含的所有商品的后验概率具体为：基于连续时间的会话生成的方法来实现推荐：

给出观测的时间T＝{t0,t1,…,tn}和一个初始状态 利用常微分方程求解器ODEsessSolver计算表示每个时间点的潜在状态 同时生成每一个潜在状态的采样输出 商品推荐模型定义为如下形式：其中，每一层图神经网络在当前的时间点上取值为对应的S，并且输出梯度门控图神经网络在有序地消耗数据后，输出每一个商品的后验概率；

利用神经常微分方程的方法进行训练和优化所述门控图神经网络，其根据用户的任一时间点的状态进行前向预测或后向的推荐。

2.如权利要求1所述的基于用户会话及图卷积神经网络的商品推荐方法，其特征在于，在会话图中，每一个节点表示一个商品，每一条边为商品被点击的顺序，每一条边的权重等于该边出现的次数除以该边的起始节点的出度；每个商品都嵌入一个统一的嵌入空间，每个商品采用节点向量表示。

3.如权利要求1所述的基于用户会话及图卷积神经网络的商品推荐方法，其特征在于，在门控图神经网络中，前向传播后保留所有层的激活值。

4.一种基于用户会话及图卷积神经网络的商品推荐系统，其特征在于，包括：会话图构建模块，其用于接收在同一时间单位内被点击商品序列，作为一个会话并以有向图的形式建模，构建出会话图；其中，会话图采用嵌入向量的形式表示；

商品后验概率计算模块，其用于将嵌入向量形式的多个会话图输入至门控图神经网络，输出所述会话图中包含的所有商品的后验概率；

推荐结果输出模块，其用于按照从大到小的顺序，筛选出后验概率排在前预设位数对应的商品，作为用户偏好商品预测结果并进行逐个推荐；

输出所述会话图中包含的所有商品的后验概率具体为：基于连续时间的会话生成的方法来实现推荐：

给出观测的时间T＝{t0,t1,…,tn}和一个初始状态 利用常微分方程求解器ODEsessSolver计算表示每个时间点的潜在状态 同时生成每一个潜在状态的采样输出 商品推荐模型定义为如下形式：其中，每一层图神经网络在当前的时间点上取值为对应的S，并且输出梯度门控图神经网络在有序地消耗数据后，输出每一个商品的后验概率；利用神经常微分方程的方法进行训练和优化所述门控图神经网络，其根据用户的任一时间点的状态进行前向预测或后向的推荐。

5.如权利要求4所述的基于用户会话及图卷积神经网络的商品推荐系统，其特征在于，在所述会话图构建模块中，会话图中的每一个节点表示一个商品，每一条边为商品被点击的顺序，每一条边的权重等于该边出现的次数除以该边的起始节点的出度；每个商品都嵌入一个统一的嵌入空间，每个商品采用节点向量表示。

6.如权利要求4所述的基于用户会话及图卷积神经网络的商品推荐系统，其特征在于，所述基于用户会话及图卷积神经网络的商品推荐系统，还包括：门控图神经网络模型训练模块，其用于利用神经常微分方程的方法进行训练和优化所述门控图神经网络。

7.如权利要求4所述的基于用户会话及图卷积神经网络的商品推荐系统，其特征在于，在门控图神经网络中，前向传播后保留所有层的激活值。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑3中任一项所述的基于用户会话及图卷积神经网络的商品推荐方法中的步骤。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑3中任一项所述的基于用户会话及图卷积神经网络的商品推荐方法中的步骤。