1.一种基于用户意图融合的动态兴趣转移型会话推荐方法，其特征在于，所述方法包括如下步骤：步骤1，在已有的用户‑项目交互基础上，通过结合邻居路由机制与嵌入传播机制的异构图神经网络获取异构化用户意图表示与项目分块表示；

步骤2，将异构化用户意图表示作为权重并结合时间渐进性与多标签语义性对用户‑项目交互进行划分，得到包含长期兴趣和短期兴趣的会话；

步骤3，基于步骤1获取的异构化用户意图表示与项目分块表示和步骤2得到的包含长期兴趣和短期兴趣的会话，利用transformer‑xl得到用户最新动态偏好，基于该用户最新动态偏好对用户进行项目推荐；

步骤1具体包括：

步骤1.1，将不同类别的项目节点通过特征映射到同一空间；

步骤1.2，计算项目节点的重要性，再通过分离得到单用户异构化意图分块表示；

步骤1.3，通过神经网络迭代更新获取的单用户异构化意图分块表示；

步骤1.4，对多个更新后的单用户异构化意图分块表示进行组合，得到多用户异构化意图分块表示，采用多层异构图神经网络迭代更新多用户异构化意图分块表示，并将离散的多用户异构化意图分块表示重新组合，得到异构化用户意图表示和项目分块表示；

步骤2具体包括：

步骤2.1，在异构化用户意图表示的基础上，设计结合时间渐进性与多标签语义性的划分会话方式；

步骤2.2，利用设计的划分会话方式，将异构化用户意图表示作为权重对会话进行划分，得到一系列的会话；

步骤2.3，利用门循环控制单元更新迭代会话，得到包含长期兴趣和短期兴趣的会话；

步骤3具体包括：

步骤3.1，通过线性关系将长期兴趣和短期兴趣映射到同一维度；

步骤3.2，步骤1获取的异构化用户意图表示与项目分块表示和步骤2得到的包含长期兴趣和短期兴趣的会话，利用transformer‑xl得到用户最新动态偏好；

步骤3.3，基于用户最新动态偏好，通过softmax函数输出预测项目分值，并通过随机梯度下降法来迭代优化损失函数；

步骤3.4，将预测项目分值高于阈值的项目推荐给用户；

步骤1.1中，将不同类别的项目节点通过特征映射到同一空间的映射表达式为： ；

其中， 表示项目节点的类别， 为映射矩阵， 为初始项目节点表示， 为特征映射后的项目节点表示；

步骤1.2满足以下条件式：

 ；

其中， 表示项目节点的权重， 为特征映射后的第i个项目节点表示， 为特征映射后的第j个项目节点表示， 表示节点注意力网络，表示元路径；

步骤1.2还满足以下条件式：

 ；

；

其中， 表示 归一化后的值， 表示sigmoid函数，表示项目节点 ， 表示用户u第im跳邻居的项目集； 表示在第m次迭代后，用户u从其邻居集中收集信息更新后的用户意图表示； 是项目节点 关于元路径 的嵌入表示， 是用户u和项目节点 的Laplacian矩阵；

步骤1.3满足以下条件式：

；

；

；

其中， 是一层迭代更新后项目节点 的第k个分块表示， 是一层迭代更新后用户u的第k个意图表示； 是项目节点 的第k个分块表示， 是用户u的第k个意图表示，为在第1次迭代后，用户u从其邻居集中收集信息更新后的用户意图表示； 是用户u的第1跳邻居； 是用户u从第1跳邻居集收集到的与第k个意图相关的信息；是神经网络第一层获取的项目表示函数， 是异构化用户意图表示函数， 是非线性激活函数；

为 层迭代更新后项目节点 的第k个分块表示， 表示用户u从第im‑1跳邻居集收集到的与第k个意图相关的信息；

步骤1.4满足以下条件式：

；

；

；

 ；

 ；

其中， 为 层迭代更新后用户u的第k个意图表示， 为 层迭代更新后用户u的第k个意图表示， 是初始的用户u的第k个意图表示， 为 层迭代更新后用户u的第k个意图表示， 是第k块的异构化用户意图表示， 是初始的项目节点 的第k个分块表示， 是L层迭代更新后项目节点 的第k个分块表示， 是第k块的项目分块表示，是用户u的异构化用户意图表示， 是项目v的项目分块表示， 是第1块的异构化用户意图表示， 是第2块的异构化用户意图表示， 是第1块的项目分块表示， 是第2块的项目分块表示；

步骤2.1满足以下条件式：

 ；

；

其中，表示时间间隔嵌入函数， 表示会话时间间隔， 表示sigmoid函数， 表示时间间隔误差值， 表示词移距离， 与 分别表示第x个多标签文本和第x+1个多标签文本， 、 分别表示 、 的长度， 与分别是 与 中的词向量， 表示 与

距离权重， 表示词向量 与

的欧式距离；

步骤2.2满足以下条件式：

 ；

其中， 表示用户u的第i个会话， 表示项目节点 的多标签集，len表示长度计算函数， 表示距离运算符号；

步骤2.3满足以下条件式：

 ；

 ；

其中， 表示路径权重，n表示与项目节点 关联的全部节点数， 表示项目节点， 表示项目节点之间交互路径数量计算的函数， 是项目节点 关于元路径的嵌入表示， 是项目节点 关于元路径 的嵌入表示， 是项目节点 关于元路径的嵌入表示； 表示从项目节点 到项目节点 的聚合信息， 表示用户‑项目交互邻接矩阵， 为t‑1刻会话的节点表示，表示连接操作；

步骤2.3还满足以下条件式：

 ；

 ；

其中， 是门循环控制单元的更新门， 为门循环控制单元的重置门，是sigmoid激活函数， 表示按位相乘操作， 是非线性激活函数， 表示经过 控制边界后得到的兴趣隐藏状态， 、 、 、 、 、 为门循环控制单元中所有用户的共享参数；

表示经过t个时间步后，得到的第 个兴趣隐藏状态； 表示经过t个时间步后，得到的第

1个兴趣隐藏状态； 表示经过t个时间步后，得到的第2个兴趣隐藏状态； 表示经过t个时间步后，得到的第y个兴趣隐藏状态； 表示长期兴趣；

得到长期兴趣 后，对所有的会话截取掉长期兴趣 ，即得到短期兴趣 ；

步骤3.1满足以下条件式：

 ；

 ；

其中， 表示注意力； 、 、 分别表示transformer‑xl机制中的查询、键、值；T表示转置操作， 表示键值比例因子， 为多头注意力函数； 表示最近兴趣片段； 、 、 表示共享矩阵，表示transformer‑xl编码解码时间步， 表示时间步 时的用户长期兴趣， 表示时间步 时的用户长期兴趣隐藏状态，表示时间步 时更新的用户长期兴趣； 、 、 表示时间步 时的Q、K、V的值； 表示在时间步 整合的用户整体偏好；

步骤3.2满足以下条件式：

 ；

 ；

 ；

其中， 为长期兴趣影响短期兴趣的权重， 为注意力函数； 表示经过t个时间步后，得到的第xb个兴趣隐藏状态； 表示经过t个时间步后，得到的第ib个兴趣隐藏状态； 表示指数； 表示用户部分最新动态偏好； 表示用户最新动态偏好，表示线性变换矩阵；

步骤3.3满足以下条件式：

 ；

 ；

其中， 表示预测项目分值，表示转置操作， 表示损失函数； 、 分别表示真实值和预测值， 为正则项，为正则项 的权重。

2.一种基于用户意图融合的动态兴趣转移型会话推荐系统，其特征在于，应用如上述权利要求1所述的基于用户意图融合的动态兴趣转移型会话推荐方法，所述系统包括：信息获取模块，用于：

在已有的用户‑项目交互基础上，通过结合邻居路由机制与嵌入传播机制的异构图神经网络获取异构化用户意图表示与项目分块表示；

交互划分模块，用于：

将异构化用户意图表示作为权重并结合时间渐进性与多标签语义性对用户‑项目交互进行划分，得到包含长期兴趣和短期兴趣的会话；

项目推荐模块，用于基于获取的异构化用户意图表示与项目分块表示和得到的包含长期兴趣和短期兴趣的会话，利用transformer‑xl得到用户最新动态偏好，基于该用户最新动态偏好对用户进行项目推荐。