1.一种融合用户兴趣状态的多粒度会话推荐方法，其特征在于包括以下步骤：步骤(1)：获取带时序信息的会话数据s所述的会话数据s

步骤(2)：划分训练集和测试集；

在获取的会话数据集中选取最近d天的会话数据作为测试集，其余为训练集；

步骤(3)：会话序列图表征

步骤(3.1)、构建有向图G(V,E对会话数据集中S的每一个会话数据s步骤(3.2)、有向图节点关系矩阵生成根据有向图G(V,E

步骤(3.3)、构建物品关系无向图将物品点击序列有向图G(V,E

步骤(3.4)、无向图节点关系矩阵生成：根据物品关系无向图

其中

步骤(3.5)、对关系矩阵Q

步骤(4)：搭建融合用户兴趣状态的会话推荐模型，并利用训练集进行训练；

所述融合用户兴趣状态的会话推荐模型包括输入层、嵌入层、兴趣表征层、注意力层、预测层；

步骤(5)：利用测试集对上述训练后的融合用户兴趣状态的会话推荐模型进行测试，然后利用测试好的融合用户兴趣状态的会话推荐模型实现会话推荐。

2.根据权利要求1所述的一种融合用户兴趣状态的多粒度会话推荐方法，其特征在于步骤(3.2)和步骤(3.5)所述的归一化处理公式如下:其中a

3.根据权利要求1所述的一种融合用户兴趣状态的多粒度会话推荐方法，其特征在于所述融合用户兴趣状态的会话推荐模型中输入层用于接收每一个会话构成的物品有向图关系矩阵P

4.根据权利要求3所述的一种融合用户兴趣状态的多粒度会话推荐方法，其特征在于所述融合用户兴趣状态的会话推荐模型中嵌入层使用GNN图神经网络对输入层的物品有向图关系矩阵P

5.根据权利要求4所述的一种融合用户兴趣状态的多粒度会话推荐方法，其特征在于所述的GNN图神经网络生成嵌入向量的学习和更新过程如下：其中

其中，

6.根据权利要求4或5所述的一种融合用户兴趣状态的多粒度会话推荐方法，其特征在于所述融合用户兴趣状态的会话推荐模型中兴趣表征层用于对嵌入层中输出的嵌入向量

7.根据权利要求6所述的一种融合用户兴趣状态的多粒度会话推荐方法，其特征在于兴趣表征层具体是：a)根据嵌入层中输出的物品、物品种类的嵌入向量其中W

b)对

其中λ表示权重，T

8.根据权利要求1所述的一种融合用户兴趣状态的多粒度会话推荐方法，其特征在于所述融合用户兴趣状态的会话推荐模型中注意力层使用注意力机制，对兴趣表征层输出的用户兴趣的嵌入向量添加不同的注意力权重；并融合用户对各个物品的兴趣嵌入向量，生成融合注意力机制的兴趣嵌入向量z；

α

其中W

9.根据权利要求1所述的一种融合用户兴趣状态的多粒度会话推荐方法，其特征在于所述融合用户兴趣状态的会话推荐模型中输出层利用softmax函数计算用户下一次点击的物品的得分其中

10.根据权利要求1所述的一种融合用户兴趣状态的多粒度会话推荐方法，其特征在于所述融合用户兴趣状态的会话推荐模型中训练过程中损失函数如下：其中m表示训练过程中物品的数量，