1.一种基于时态图转换器和偏好波动的智能程序推荐方法，其特征在于，包括如下步骤：步骤1：对用户、程序和用户历史互动行为进行数据清洗和预处理，构建用户‑程序行为关系图G2；

步骤2：基于用户‑程序行为关系图G2利用行为感知时态图转换器网络，学习用户的短期偏好表达步骤3：根据用户的长期互动，建立时态用户‑程序关系图，通过渐进图神经网络，学习用户的全局偏好表达Ci；

步骤4：统计不同时间粒度下用户对程序类别的访问变化，计算用户的偏好波动值Fu；

步骤5：根据用户的短期偏好表达、全局偏好表达和偏好波动值，。

2.根据权利要求1所述的基于时态图转换器和偏好波动的智能程序推荐方法，其特征在于，所述步骤1的具体方法为：步骤1.1：定义待清洗用户数据集合U1＝{u1,u2,…,um,}，um为U1中第m个待清洗用户数据；

步骤1.2：定义待清洗程序集合P1＝{p1,p2,…,pn,}，pn为P1中第n个待清洗程序数据；

步骤1.3：定义行为类型集合B1，包含用户的不同交互行为类型；

步骤1.4：对数据集U1，P1，B1中的数据进行去重和去空操作；

步骤1.5：得到清洗后的用户数据集U2＝{u1,u2,…,um,}，um为U2中第m个待清洗用户数据，清洗后的程序集合P2＝{p1,p2,…,pn}，pn为P2中第n个待清洗程序数据，清洗后的行为类型集合B2，包含用户的不同交互行为类型；

步骤1.6：对每个用户ui，根据其历史交互记录，提取交互三元组(pk,i,b,t),表示用户ui在时间t对程序pk进行了类型为b的行为；

步骤1.7：构建用户‑程序无向图G1＝(U,P,E)，节点包含所有用户U和程序P，边E表示用户与其交互过的程序之间的连接关系；

步骤1.8：对图G1进行时态化处理，增加时间信息，构建用户‑程序时态行为关系图G2。

3.根据权利要求1所述的基于时态图转换器和偏好波动的智能程序推荐方法，其特征在于，所述步骤2的具体方法为：步骤2.1：定义每个用户ui的交互序列Si，基于用户ui在图G2中的时态行为关系，分割其交互序列Si为R个多行为互动子序列步骤2.2：对每个交互实例 构建行为感知上下文嵌入层，生成程序嵌入向d d 2d量ep∈R，行为类型嵌入向量eb∈R，时间编码向量et∈R ，其中d表示潜在状态维数；

步骤2.3：将三个向量融合得到上下文向量

步骤2.4：判断实例程序是否在图G2中；

步骤2.5：如果是，基于图G2学习程序的时间相关性，获得程序表达 否则，直接获取程序表达步骤2.6：应用基于自注意力机制的顺序依赖网络，学习程序之间在子序列内的相关性，获得融合的程序表达步骤2.7：将上下文向量和融合程序表达一起输入到行为感知变压器编码器中，得到用户ui针对不用行为类型b的短期偏好表示特征步骤2.8：对不同行为类型b的短期偏好表示特征 进行加权融合，得到该子序列的短期偏好表达步骤2 .9：输出每个用户ui在R个子序列中的全部短期偏好表达

4.根据权利要求1所述的基于时态图转换器和偏好波动的智能程序推荐方法，其特征在于，所述步骤3的具体方法为：步骤3.1：定义用户集U2＝{u1,u2,…,ui}，i为用户总数，定义所有用户的交互子序列节点集合 R为子序列数，构建全局用户关系图G3＝(U2,Ur,ε)；ε为用户与子序列节点间边；

步骤3.2：在图G3上进行一轮信息传播，学习各用户节点的时段偏好表达步骤3.3：聚合时段偏好表达 得到全局用户偏好表达r

步骤3.4：更新子序列节点特征为 t为时段r的时间编码向量；

步骤3.5：得到多轮偏好表达

步骤3.6：求和得到最终全局偏好表达

5.根据权利要求1所述的基于时态图转换器和偏好波动的智能程序推荐方法，其特征在于，所述步骤4的具体方法为：步骤4.1：定义时间粒度集T＝{E,W,M,S}，E表示天，W表示周，M表示月，S表示季，将用户每一次交互行为映射到对应时间粒度上；

步骤4.2：对用户ui，统计其在时间粒度T[t]内对类别j的加权访问频率步骤4.3：计算T[t]内用户ui对各类别访问的方差步骤4.4：对所有时间粒度求平均，得到用户ui类别访问变化方差vu；

步骤4.5：定义用户ui偏好波动值

步骤4.6：输出所有用户偏好波动值集合F＝{F1,F2,…,Fu,…,Fi}。

6.根据权利要求1所述的基于时态图转换器和偏好波动的智能程序推荐方法，其特征在于，所述步骤5的具体方法为：步骤5.1：定义候选程序集

步骤5.2：对每个用户ui获得其短期偏好表达 全局偏好表达Ci和偏好波动值Fu；

步骤5.3：对每个程序pj∈P’，计算用户对于程序的兴趣度，计算其中W1，W2，W3为权重，c为偏置，最后降序排序获得程序列表，最后降序排序获得程序列表；

步骤5.4：最终输出所有用户对于程序兴趣结果集合Rec＝{Rec1,Rec2,…,Recm,…,Reci}。